La tesi in questione tratta della generazione automatica di testo partendo dai DRS, il cui acronimo sta per Discourse Representation Structures, ossia la struttura di rappresentazione del discorso. Tale operazione viene realizzata anche grazie all'utilizzo degli LLMs e di alcune tecniche specifiche chiamate prompting. In particolare, per i Large Language Models si è deciso di lavorare con LLAMA e GPT. Invece, le modalità di prompting sfruttate sono tre: Zero-Shot, One-Shot e Few-Shot. Una volta completata la generazione, per stabilire la bontà dei testi ottenuti secondo i diversi approcci sono state utilizzate diverse metriche di valutazione, sia umane che automatiche. Infine, i risultati ottenuti sono poi stati confrontati e analizzati a livello statistico per trovare delle correlazioni e controllare che non ci fossero particolari ambiguità.
La tesi in questione tratta della generazione automatica di testo partendo dai DRS, il cui acronimo sta per Discourse Representation Structures, ossia la struttura di rappresentazione del discorso. Tale operazione viene realizzata anche grazie all'utilizzo degli LLMs e di alcune tecniche specifiche chiamate prompting. In particolare, per i Large Language Models si è deciso di lavorare con LLAMA e GPT. Invece, le modalità di prompting sfruttate sono tre: Zero-Shot, One-Shot e Few-Shot. Una volta completata la generazione, per stabilire la bontà dei testi ottenuti secondo i diversi approcci sono state utilizzate diverse metriche di valutazione, sia umane che automatiche. Infine, i risultati ottenuti sono poi stati confrontati e analizzati a livello statistico per trovare delle correlazioni e controllare che non ci fossero particolari ambiguità.
Prompting for DRS-to-Text Generation
DI SALVO, LUCA
2023/2024
Abstract
La tesi in questione tratta della generazione automatica di testo partendo dai DRS, il cui acronimo sta per Discourse Representation Structures, ossia la struttura di rappresentazione del discorso. Tale operazione viene realizzata anche grazie all'utilizzo degli LLMs e di alcune tecniche specifiche chiamate prompting. In particolare, per i Large Language Models si è deciso di lavorare con LLAMA e GPT. Invece, le modalità di prompting sfruttate sono tre: Zero-Shot, One-Shot e Few-Shot. Una volta completata la generazione, per stabilire la bontà dei testi ottenuti secondo i diversi approcci sono state utilizzate diverse metriche di valutazione, sia umane che automatiche. Infine, i risultati ottenuti sono poi stati confrontati e analizzati a livello statistico per trovare delle correlazioni e controllare che non ci fossero particolari ambiguità.File | Dimensione | Formato | |
---|---|---|---|
Tesi-Luca_Di_Salvo-949124.pdf
non disponibili
Dimensione
455.22 kB
Formato
Adobe PDF
|
455.22 kB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14240/5105