arXiv cs.CL· Ruilin Shang, Shilong Hou, Zi Long, Xianghua Fu·· 3 天前AI 评分24
基于篇章解析的结构保持文档级数据增强
Structure-Preserving Document-Level Data Augmentation via Discourse Parsing
AI 导读
研究者提出一种基于 LLM 与文档级篇章结构解析的结构保持数据增强框架，通过识别句对间的修辞关系并抽取关键短语，在保持原有篇章结构的前提下替换为语义连贯但主题偏移的内容。在文本摘要和问答任务上，增强数据提供了互补监督并提升了混合数据训练效果，与标准 RST 解析器的对比及消融实验进一步支持该篇章表示。论文已被 PACLIC 2026 接收。
正文 · AI 翻译
摘要：数据增强（DA）在自然语言处理（NLP）中低资源或有限监督场景下对提升模型性能起着至关重要的作用。现有的 DA 方法，如同义词替换和回译，已在词或句子层面展现出有效性；然而，它们往往忽视语篇层面的连贯性和逻辑流畅性，而这对于依赖句子间关系的复杂任务至关重要。本文提出了一种基于大语言模型（LLM）和文档级语篇结构解析的结构保持型文档级数据增强框架。我们的方法识别句子对之间的修辞关系并提取关键短语，随后将其替换为语义连贯但主题偏移的内容，同时保持原有的语篇结构。在文本摘要和问答任务上的实验结果表明，所提出的增强数据提供了互补监督，并改善了所评估任务上的组合数据训练效果。与标准 RST 解析器的比较以及受控消融实验进一步支持了所提出的语篇表示。
| 评论： | 11 页，1 幅图，6 张表。已被第 40 届太平洋亚洲语言、信息与计算会议（PACLIC 2026）接收 |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.19497 [cs.CL] |
| （或 arXiv:2610.19497v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.19497 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Shang Ruilin [查看邮箱]
[v1]
2026 年 10 月 14 日星期三 03:16:07 UTC（117 KB）
来源：arXiv cs.CL · arxiv.org