MultiLS: Un marco de simplificación léxica de múltiples tareas

La simplificación léxica (LS) reemplaza automáticamente palabras difíciles de leer por alternativas más fáciles, preservando el significado original de una oración. LS es un precursor de la simplificación de texto con el objetivo de mejorar la accesibilidad del texto a diversos grupos demográficos objetivo, incluidos niños, aprendices de un segundo idioma, personas con discapacidades de lectura o baja alfabetización. Existen varios conjuntos de datos para LS. Estos conjuntos de datos de LS se especializan en una o dos sub-tareas dentro del proceso de LS. Sin embargo, hasta el momento, no se ha desarrollado ningún conjunto de datos de LS que cubra todas las sub-tareas de LS. Presentamos MultiLS, el primer marco de LS que permite la creación de un conjunto de datos de LS de múltiples tareas. También presentamos MultiLS-PT, el primer conjunto de datos creado utilizando el marco MultiLS. Demostramos el potencial de MultiLS-PT llevando a cabo todas las sub-tareas de LS de (1). predicción de complejidad léxica (LCP), (2). generación de sustitutos, y (3). clasificación de sustitutos para el portugués. Se informan los rendimientos de los modelos, que varían desde modelos basados en transformadores hasta modelos de lenguaje de gran tamaño (LLMs).