标题风格转换中自动评价与任务框架的交互作用

作者: | Lorenzo De Mattei | Michele Cafagna | Huiyuan Lai | Felice Dell'Orletta | Malvina Nissim | Albert Gatt |

摘要:与基于语料库的度量方法相比,人类评估通常被认为是最可靠的方法,NLG社区中正在进行的一场争论是评估系统的最佳方法。然而,涉及细微文本差异的任务,如风格迁移,往往很难由人类来完成。本文提出了一种基于目标训练的分类器对该任务进行评价的方法,它比BLEU和Rouge等传统指标更好地反映了系统的差异。

论文地址

https://arxiv.org/abs/2101.01634v1

下载地址

https://arxiv.org/pdf/2101.01634v1.pdf

全部源码

https://github.com/michelecafagna26/CHANGE-IT

风格转换

相关推荐

暂无评论

微信扫一扫,分享到朋友圈

标题风格转换中自动评价与任务框架的交互作用