工程技术联合微软亚研院解决多语言零样本中单语标签偏差问题

5.零比对。应用对English数据库透过更正的静态（必需 4 转换成）来浓缩目标口语元数据上的语句。

再度结果显示了 NLSSum 的有效性，它在首个大规模多口语简述数据库集 MLSUM 上显著优于完整XLMR静态2.25 个 ROUGE-L（L指代Longest Common Subsequence，最远公共子序列）评分。人工风险评估也断定，NLSSum 静态比其他静态更好。

实证还说明，这是第一个研究工作零比对多口语浓缩简述中会大体上页面偏离解决办法的工作，即解决将元数据、简述从English中文翻译成其他口语时，重新反转的页面会随着句法对此的反转而发生变化解决办法。他们为此加进多口语页面转换成迭代，以提较高于多口语零比对静态的性能指标。同时设想 NLSSum 来查找完全相同页面集的恰当值。

-End-

参考：