★ 2
基于篇章解析的结构保持文档级数据增强
论文提出一种基于大语言模型和文档级篇章结构解析的结构保持数据增强框架。该方法识别句对间的修辞关系并提取关键短语，在保持原有篇章结构的同时替换为语义连贯但主题偏移的内容。在文本摘要和问答任务上，增强数据提供了互补监督并提升联合训练效果。
arXiv NLP18 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出一种基于大语言模型和文档级篇章结构解析的结构保持数据增强框架。该方法识别句对间的修辞关系并提取关键短语，在保持原有篇章结构的同时替换为语义连贯但主题偏移的内容。在文本摘要和问答任务上，增强数据提供了互补监督并提升联合训练效果。
论文针对日语缺乏 SDRT 篇章语料的问题，用 LLM 翻译现有英语 SDRT 语料构建日语版本，并对比提示与微调两种 LLM 方案。结果显示英日解析性能相当，提示 SDRT 篇章解析具备跨语言可迁移性；消融分析表明多数日语话语标记影响很小，模型更依赖上下文话语关系结构。