MultiPIT

我们在Twitter (MultiPIT) 语料库中提出了一个新的多主题释义，它由总共130k个句子对组成，其中包含使用两种不同的释义定义进行释义识别的众包 (MultiPIT _ crowd) 和专家 (MultiPIT _ expert) 注释，除了用于释义生成的多参考测试集 (MultiPIT_NMR) 和大型自动构建的训练集 (MultiPIT_Auto) 之外。通过改进的数据注释质量和特定于任务的释义定义，在我们的数据集上微调的最佳预训练语言模型实现了84.2 F1自动释义识别的最先进性能。此外，我们的实证结果还表明，与在其他语料库 (如Quora，MSCOCO和ParaNMT) 上进行微调的同行相比，在MultiPIT_Auto上训练的释义生成模型生成了更多样化和高质量的释义。