AMiner论文推荐——装配模型的词汇复杂度预测

AMiner平台由清华大学计算机系研发，拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱，提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。

ACL 2021 论文推荐

BigGreen at SemEval-2021 Task 1: Lexical Complexity Prediction with Assembly Models（装配模型的词汇复杂度预测）

论文链接：https://www.aminer.cn/pub/60800c0d91e011772654f86f/?conf=acl2021

推荐理由： 本文介绍了BigGreen团队提交给LCP 2021的一个系统，用于预测特定语境下英语单词的词汇复杂性。作者将一个基于特征工程的模型与建立在BERT基础上的深度神经网络模型结合起来。虽然BERT本身的表现很有竞争力，但基于特征工程的模型在极端情况下非常有帮助，例如，区分简单和中性难度的实例。作者手工制作的特征包括广泛的词汇、语义、句法和新的语音措施。BERT注意力图的可视化为Transformer模型提供了在词汇复杂性预测上进行微调时学习潜在特征的洞察力。该组合预测在单词子任务中的得分相当高，在多词表达子任务中也有良好表现。

AMiner，AI赋能的学术搜索平台：https://www.aminer.cn/

#AMiner# #论文#