摘要

当前文本简化（Text Simplification, TS）研究面临两大核心问题：其一是高质量平行简化语料数据的匮乏；其二是现有数据中缺乏对简化操作（如删除、替换等）的显式标注。尽管近期推出的Newsela语料库在一定程度上缓解了数据稀缺的问题，但现有的简化方法仍主要依赖于黑箱式的端到端模型，从平行语句对中直接学习简化过程，而非基于显式操作标注。由于复杂句与简化句之间的差异往往极为显著，导致模型泛化能力受限。此外，端到端模型也使得从数据中学习到的具体机制难以解释。为此，我们提出一种将文本简化任务分解为若干子问题的方法。我们设计了一种自动识别平行语料中简化操作的技术，并基于这些自动标注结果，提出了一种基于序列标注的建模方法。最后，我们对不同方法所能建模的文本变换类型提供了深入分析与见解。