自动文本简化

   文本简化是人工智能尤其是自然语言处理方向的一个重要研究领域。本书作为该领域的专业书籍，内容上尽可能覆盖文本简化领域各种主流的研究方法和相关资源。全书共9章，包括三个主要部分：第1～4章主要介绍文本简化的研究概况、背景知识、文本可读性评估和词语简化方法；第5～7章详细讨论句子分割、统计文本简化和神经文本简化方法；第8、9章着重介绍深度学习在文本简化研究和应用中的**进展以及汉语文本简化的研究。
本书可供文本简化领域的工程技术人员、科研人员，高等院校人工智能等相关专业的教师、研究生、高年级本科生阅读。

“新一代人工智能创新平台建设及其关键技术丛书”序
前言
第1章绪论1
1.1概述1
1.1.1文本简化定义1
1.1.2文本简化发展过程1
1.1.3文本简化方法3
1.1.4相关的文本重写任务5
1.2文本简化语料6
1.2.1维基百科平行语料7
1.2.2Newsela语料库10
1.2.3英文的其他资源13
1.2.4三个最常用的英文平行语料的对比16
1.2.5其他语言的资源16
1.3文本简化评估17
1.3.1人工评估17
1.3.2自动评估18
1.3.3讨论23
1.4文本简化的应用24
1.4.1对特定目标人群的简化24
1.4.2自然语言处理的辅助工具25
1.5本书内容安排26
第2章背景知识29
2.1概述29
2.2统计机器翻译模型29
2.3神经机器翻译模型31
2.3.1基于端到端的模型31
2.3.2注意力机制33
2.3.3基于自注意力机制的神经网络模型35
2.4预训练语言模型37
2.4.1BERT38
2.4.2BART39
2.5本章小结41
第3章文本可读性评估42
3.1概述42
3.2传统的可读性公式43
3.3可读性评估的语料45
3.4可读性评估方法47
3.4.1可读性评估特征47
3.4.2基于特征工程的分类方法51
3.4.3神经网络分类方法53
3.5汉语文本的可读性评估54
3.6可读性评估的应用55
3.6.1第二语言学习者的可读性56
3.6.2具有语言学习障碍的读者56
3.6.3计算机辅助教育学习系统57
3.6.4Web内容的可读性评估57
3.7未来研究方向58
3.8本章小结60
第4章词语简化方法61
4.1概述61
4.2词语简化框架62
4.3词语简化方法的分类64
4.3.1语言数据库65
4.3.2自动规则68
4.3.3词嵌入模型71
4.3.4混合模型72
4.3.5预训练语言模型75
4.4方法对比80
4.4.1实验评估数据80
4.4.2候选替代词生成评估81
4.4.3完整的LS系统评估82
4.4.4讨论83
4.5未来研究方向85
4.6本章小结86
第5章句子分割方法87
5.1概述87
5.2基于规则的方法88
5.2.1早期的方法89
5.2.2YATS90
5.2.3基于事件的方法91
5.2.4DISSIM93
5.3基于神经网络模型的方法96
5.3.1基于事实感知的方法96
5.3.2基于图框架的方法97
5.4本章小结100
第6章统计文本简化方法101
6.1概述101
6.2基于短语的机器翻译方法102
6.3基于句法的统计文本简化方法103
6.4混合的方法108
6.5无监督的统计文本简化方法109
6.6本章小结112
第7章神经文本简化方法113
7.1概述113
7.2基于神经机器翻译的文本简化115
7.3强化学习机制117
7.4多任务学习119
7.5复述规则121
7.6程序员-解释器模型123
7.6.1EditNTS123
7.6.2程序员和解释器124
7.6.3编辑标签创建125
7.7本章小结125
第8章文本简化前沿研究127
8.1概述127
8.2无监督神经文本简化方法129
8.3无监督可编辑的文本简化方法131
8.4可控的句子简化方法134
……