本文对多方会议情境下的自动摘要这一任务涉及到的难点、数据集以及系统进行了综述，并介绍了未来的研究方向。

Aug, 2022

基于 GNN 的节点分类模型，利用话语结构从复杂的多方讨论中筛选出最重要的话语，并生成提取式摘要，实验证明该方法超过现有的基于文本和图的提取式摘要系统。

May, 2024

我们提出了一种新颖的基于图形的框架，用于摘要会议演讲，完全不需要监督和任何注释。我们的工作结合了多种最近的方法的优点，同时解决了它们的弱点。此外，我们利用最近在 NLP 中应用的字嵌入和图形退化的进展，考虑外部语义知识，并设计了自定义的多样性和信息量度量。在 AMI 和 ICSI 语料库上的实验表明，我们的系统改进了现有技术水平。代码和数据可公开获取，我们的系统可以交互式测试。

May, 2018

本文提出了一种新颖的抽象会议摘要网络，采用分层结构和角色向量来处理会议记录，并在大规模新闻摘要数据上预训练模型，实现了在 ICSI 数据集上自动指标和人工评价方面的表现优于之前的方法。

Apr, 2020

本文介绍了一种新颖且有效的自动生成会议摘要的方法，采用递归生成摘要和并行应用行动项提取算法来生成行动项驱动的抽象会议摘要；同时引入了三种划分长篇会议记录成主题部分的方法，以提高算法的时间效率，并解决大语言模型遗忘长期依赖的问题。实验结果在 AMI 语料库上取得了 64.98 的 BERTScore，相对于精调的 BART 模型，提高了约 4.98% 的准确度。

Dec, 2023

本文通过分析五种最新的摘要生成器生成的摘要句子，主要关注由多个文档句子融合形成的摘要句子，研究这些系统如何结合来自多个文档句子的信息。在评估员评估了这些汇总句子的语法性、忠实度和融合方法后，发现系统句子大多数是语法正确的，但往往不能忠实地保持原始文章的形式。

Oct, 2019

本研究发现会议摘要的句子与会议议程有关，基于此提出了一种动态滑动窗口策略来解决长会议记录的自动文本摘要问题。实验结果表明，相较于传统模型，该方法获得了更高的文本一致性。

Aug, 2021

通过引入对话 - 话语关系来缓解会议总结的挑战，提出了一种 DDAMS 方法，可以显式地建模会议中话语之间的交互，实现关系建模并采用 DDADA 方法构建大型伪总结语料库，取得了 AMI 和 ICSI 会议数据集上最先进的实验结果。

Dec, 2020

本文研究了口语会议中决策摘要的自动化方法，比较了基于词元和对话行为的两种自动摘要方法，使用了有监督和无监督学习框架，发现基于无监督分区的摘要与使用基于有监督技术生成的分区的摘要相当 (使用 LDA 主题模型的 ROUGE-F1 为 0.22，SVM 的为 0.23)。

Jun, 2016

本文利用多句压缩图技术推动无监督抽象对话摘要的研究前沿，通过路径重新排列和主题分段方案提升算法可靠性，并在跨领域数据集上实现算法健壮性。我们还探讨了将深度学习与启发式系统相结合的方案，以提高算法性能。我们开源我们的代码，为未来无监督对话摘要的研究提供了一个强有力的、可重复的基线。

May, 2022