SATS:简化意识的文本科学文件的总结.

科学领域:

• 自然语言处理自然语言处理.
• 人工智能的人工智能
• 科学沟通科学沟通

背景情况:

• 学术出版物需要有效的方法,以便更广泛地理解受众.
• 文本总结缩短了文档,而简化减少了复杂性.
• 现有的方法缺乏综合方法,既可以进行总结,也可以进行简化.

研究的目的:

• 开发一个机器学习模型,用于共同的文本总结和简化.
• 为更广泛的受众提高科学内容的可访问性.

主要方法:

• 引入了简化意识的文本总结 (SATS) 模型.
• 使用未来的n-gram预测扩展了ProphetNet模型.
• 为了简化,将单词频率词典纳入目标函数中.

主要成果:

• 在简化,总结和联合任务方面,SATS表现优于最先进的模型.
• 通过使用ROUGE,SARI和CSS指标对5400篇科学文章进行评估.
• 人类评估显示,语法,连贯性,流利性和简单性得分高 (4.0-4.5/5).

结论:

• 该SATS模型有效地实现了学术文本的总结和简化.
• 这种方法显著改善了科学发现的传播.
• SATS提供了一个有前途的解决方案,使复杂的研究更容易获得.