AAAINov, 2016

通过文本分类改进多文档摘要

PDF
TL;DR本文提出了一种叫做 TCSum 的新型摘要系统，它借助丰富的文本分类数据来改善多文档摘要的性能，通过将文档映射到分布式表示，利用分类结果来生成不同风格的摘要。实验结果表明，TCSum 在通用多文档摘要数据集上实现了最先进的性能，并具有在不同文本类别的情况下捕捉摘要样式变化的能力。
multi-document summarizationtext classificationtcsumdistributed representationssummary styles
发现论文，激发创造
  • 基于摘要生成的数据增强方法用于文档分类

    通过使用 SUMMaug，一种简单但有效的基于摘要的数据增强方法，我们能够解决预训练语言模型在理解长文本（如文档）时遇到的数据稀疏问题，并在文档分类任务中取得了稳健性和准确性上的优势。

    Dec, 2023

  • 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

  • 从多个文档中挖掘共性和特异性用于多文档摘要

    本文提出了一种基于文档层次聚类的多文档自动摘要方法，通过提取反映所有文档共性和部分子类特异性的句子生成摘要，从而满足多文档摘要的覆盖和多样性要求。在 DUC'2002-2004 和 Multi-News 数据集上的实验证明了该方法的有效性。

    Mar, 2023

  • 一种层次化的端到端模型，用于同时改善文本摘要和情感分类

    提出了一种使用分层端到端模型联合学习文本摘要和情感分类的方法，将情感分类标签视为文本摘要输出的进一步 “摘要”，实现了摘要和分类两个任务的统一，该模型在亚马逊在线评论数据集上表现优于强基准系统。

    May, 2018

  • 深度学习技术在多文档摘要中的应用：一项调查

    本文回顾了近期基于深度学习的多文档摘要模型，提出了新的分类方法以及对这个领域的现状进行了综合总结，并且强调了现有文献中很少讨论的各种目标函数之间的区别，最后对未来发展方向提出了几个建议。

    Nov, 2020

  • 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

  • 基于深度学习的自动案例摘要系统

    本文提出了一种基于深度学习的有效自动案例总结系统，该系统利用最先进的自然语言处理技术，提供了监督和无监督方法来生成简洁且相关的冗长法律案例文件的摘要。用户友好的界面允许用户浏览系统的法律案例库，选择所需案例，并选择他们偏好的总结方法。该系统为法律文本的每个小节以及整体生成全面的摘要。该演示简化了法律案例文档分析，可能通过减轻工作量和提高效率从而使法律专业人员受益。未来的工作将集中在改进摘要技术并探索将我们的方法应用于其他类型的法律文本。

    Dec, 2023

  • 分类方法的文档对比摘要

    本文提出了一种基于抽取式摘要的新的目标函数，其中将问题转化为不同分组之间的二元分类，采用了最大均值偏差的概念和简单而有效的基于梯度的优化策略，对已经分组的文件进行了比较摘要。实验表明，梯度优化在不同自动评估设置中的性能优于离散和基线方法，在众包评估中得到了更准确的分类结果。

    Dec, 2018

  • 主题引导的抽象多文档摘要

    该论文提出了一种基于异构图和神经主题模型的抽象多文档摘要模型，采用图到序列的框架，同时训练主题和摘要模块以提高性能和生成高质量主题。

    Oct, 2021

  • 利用多源新闻摘要塑造政治话语

    多文档摘要是自动生成与同一主题相关的多个文档的简洁摘要的过程。本文提出了一个机器学习模型，从多个新闻文档中生成主题的简洁摘要，并设计成能够公正地从各个方面均等采样输入信息，即使大多数新闻来源倾向于一方。

    Dec, 2023