返回
Context is the Key for LLM-Based Text Segmentation
DOI:10.1007/978-3-031-97141-9_10.png)
摘要
En 中文
文本分段涉及将文本划分为连贯的段落,通常由主题定义。过去十年中,大量研究致力于推动监督技术以处理TS任务的发展,这使得无监督TS技术进展有限。随着大型语言模型的兴起及其可访问性日益普及,无监督TS可以受益。通过利用LLM对自然语言强大的理解能力、适当提示以及输入有价值的内容,我们表明,即使使用本地运行的、开源的LLM模型,我们也能实现以Pk和WindowDiff得分为基准的最先进无监督TS结果。
Keyword:
Text Segmentation
LLM
Natural Language Understanding
期刊
N
IF:
0
论文数:
30
被引数:
0
机构
引用论文
Transformer over Pre-trained Transformer for Neural Text Segmentation with Enhanced Topic Coherence基于预训练Transformer的Transformer模型,用于增强主题连贯性的神经文本分段

