基於深度學習的修辭語步辨識
Sociedade Brasileira de Computação · Sep 2025
在 CorpusDT 語料庫上微調 BERTimbau 的蒸餾版本，用以辨識葡萄牙語科學摘要中的修辭語步，句子分類的 F1 分數達到 0.94。凸顯了 NLP 在提升葡萄牙語學術寫作品質上的潛力。
案例研究
0.94 F1 · 93.97% 準確率 · 6 個修辭類別 · 52 篇摘要 → 1,409 個範例
問題
葡萄牙語缺乏支援科學寫作的工具。Swales 的修辭語步（背景、研究缺口、目的、方法、結果與結論）通常憑直覺組織，研究缺口也常未被明說。葡萄牙語先前的參考分類器 AZPort 以 Naive Bayes 方法達到 72% 的準確率。
限制
CorpusDT 是葡萄牙語中少數可用的標註語料庫之一，僅包含 52 篇科學摘要，不足以直接微調 Transformer。
方法
我建構了一條資料增強管線，保留每個句子的修辭意義：回譯（PT→EN→PT）、同義詞替換、隨機插入與交換，以及作為正則化的隨機刪除，以隨機方式套用並偏向少數類別。這把 52 篇摘要擴增為 1,409 個類別均衡的句子範例（分層 80/20 切分）。在這個集合上，我微調了 distilbert-portuguese-cased，也就是 BERTimbau 的蒸餾版本，搭配 6 類分類頭、依類別加權的交叉熵、混合精度（FP16）、使用餘弦排程器的 AdamW，並以驗證集 F1 進行提早停止。
結果
最終分類器在驗證集上達到加權 F1 0.94（巨觀 0.9403）與 93.97% 的準確率，是葡萄牙語修辭語步偵測已知的最佳結果。錯誤分析顯示，誤判集中在語意相鄰的語步之間（例如 7.7% 的「結果」句被判為「方法」），這條界線即使對人工標註者也很細微。這些錯誤遵循邏輯模式，而非隨機分布。