BriefGPT - AI 论文速递
·
医疗文本简化：通过不太可能的训练和重新排序的束搜索解码来优化可读性
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种无监督神经文本简化的框架，使用未标记文本语料库进行训练，可以在词汇和句法两个级别上进行文本简化，竞争现有的监督方法。同时，增加标记的对也可以进一步提高性能。
🎯
关键要点
- 提出了一种无监督神经文本简化的框架
- 框架依赖于未标记文本语料库进行训练
- 模型由共享编码器和一对注意解码器组成
- 通过基于鉴别和去噪的损失获取简化知识
- 使用从en-Wikipedia转储的未标记文本进行训练
- 在公共测试数据上进行定量和定性的人类评估
- 模型在词汇和句法两个级别上进行文本简化
- 模型的性能与现有的监督方法竞争
- 增加标记的对可以进一步提高性能
➡️
