自动文档摘要的词语和短语对齐

Jul, 2009

Induction of Word and Phrase Alignments for Automatic Document Summarization

Hal Daumé III, Daniel Marcu

TL;DR本文主要探讨了目前单文档自动摘要所采用的句子提取和基于词袋模型的标题生成算法的不足，并提出了一种基于词语和短语对齐技术的自动化摘要算法。通过实验结果表明，该模型能够在 <文档，摘要> 数据集中可靠地识别单词和短语的对齐。

Abstract

Current research in automatic single document summarization is dominated by two effective, yet naive approaches: summarization by sentence extraction, and headline generation via bag-of-words models. While successful in some tasks, neither of these models is able to adequately capture

automatic summarization sentences extraction headline generation linguistic devices word-to-word alignments

发现论文，激发创造

判别式书籍摘要新的对齐方法

采用不监督的方式对一本书的全文与人工撰写的摘要进行对齐，通过使用基于隐马尔科夫模型的两种新方法来解决长度差异的问题，并在抽取式书籍摘要任务上取得了一定的效果。尽管还有很大的提升空间，但无监督对齐在提供哪些书籍特征值得总结方面具有内在价值。

May, 2013

自动对齐方法用于摘要语料库构建

本文提出了使用会议摘要生成自动转录报告的方法。使用自动预对齐方法使数据批量化对齐，最大化语料库的规模，以及使用人工标注者进行更准确地校对。作者还评估了自动对齐和自动摘要的表现，并证明自动对齐可大幅度提高所有 ROUGE 得分。

Jul, 2020

基于短语选择与合并的抽象化多文档摘要

我们提出了一种基于抽象的多文档摘要框架，可以通过探索比句子更细粒度的句法单元（即名词 / 动词短语）来构建新的句子。与现有的基于抽象的方法不同，我们的方法首先构建了一个由输入文档中的短语表示的概念和事实池。然后通过选择和合并信息短语生成新的句子，以最大化短语的显著性并同时满足句子构造约束。我们采用整数线性优化来同时进行短语选择和合并，以实现摘要的全局最优解。在基准数据集 TAC 2011 上进行的实验结果表明，我们的框架在自动金字塔评估度量标准下优于最先进的模型，并在手动语言质量评估上取得了相当好的结果。

Jun, 2015

基于句子和单词提取的神经摘要

论文提出了一种基于神经网络和连续句子特征的数据驱动型抽取式摘要方法，采用层级文档编码器和基于注意力机制的提取器的通用框架，能够训练不同的摘要模型（提取句子或单词），在大规模语料库上进行实验结果表明，该方法在不需要语言注解的情况下取得了与现有技术相当的效果。

Mar, 2016

基于 Transformer 的自动文摘实现

文章旨在利用基于 Transformer 的技术提高文章章节摘要的生成效率和质量。

Jan, 2023

文本摘要中的抽象化改进

提出使用上下文相关网络和预训练的语言模型来提高抽象文本摘要的生成水平和使用新颖度度量来优化生成的摘要，从而实现比现有方法更高水平的摘要生成。

Aug, 2018

关键短语生成：文本摘要化的挑战

通过考虑关键短语字符串作为标题和摘要的抽象摘要，探索了生成科学文章 keyphrases 的可能性。尽管使用了先进的深度学习模型和海量数据，但我们对四个测试数据集的系统评估表明，探索的文本摘要方法不能产生比更简单的无监督方法或现有的监督方法更好的 keyphrases。

Mar, 2019

利用信息提取和压缩进行大规模多文档摘要

开发了一种基于抽象的总结框架，适用于多个异构文档，该框架独立于标记数据。与现有的多文件总结方法不同，我们的框架处理讲述不同故事的文档，而不是同一主题的文档。最后，我们基于 CNN / Daily Mail 和 NewsRoom 数据集构建了总共十二个数据集变体，其中每个文档组都包含大量且多样化的文档，以评估我们的模型与其他基线系统的性能。我们的实验表明，我们的框架在这种更通用的情况下胜过了现有的最先进方法。

May, 2022

文档摘要：应用于关键词提取和图像检索的论文

自动摘要是降低文本文档长度的过程，以生成概述，保留原始文档的最重要的要点。我们通过推荐图像和生成包含关联和情感的意见摘要，研究了两个问题。我们使用概率模型和词相似性启发式方法生成图像标题和提取关键短语，并借助相关反馈机制重新排序这些关键短语。我们使用 Rank Aggregation 和相关反馈方法来改进图像检索，同时我们还提出一组子模复杂函数用于意见摘要，以平衡压缩需求和情感检测需求，生成和文档情感和摘要情感之间有良好相关性且 ROUGE 得分优秀的摘要。我们还比较了所提出的子模复杂函数的性能。

May, 2024

基于 Transformer 的文本摘要技术用于关键词生成

本研究测试了四个基准数据集，使用流行的基于 Transformer 的模型进行抽象文本摘要，以实现关键词提取的目的，并将结果与常见无监督和有监督方法进行比较。研究结果表明，这些摘要模型非常有效地生成关键词，但它们产生的大量单词都不在作者的关键词列表中，这使得摘要模型在 ROUGE-1 方面效果不佳。此外，对于几种排序策略进行调查的结果表明，策略的选择会影响关键词生成的性能。

Sep, 2022