文本摘要技术:简要调查
本文详细介绍了文本摘要的各种方法,包括提取和抽象两种途径,评估指标、基准数据集与未来的研究展望,并讨论了生成摘要的不同评估方法与相关研究中可能出现的挑战和研究机遇。
Mar, 2022
本文综述了近期在基于神经网络的自动文本摘要中的十种最先进的神经网络模型,其中包括五种生成式模型和五种抽取式模型,并讨论了应用于摘要任务的相关技术和未来研究的有前途的方向。
Mar, 2018
本文综述了自动文本摘要的研究现状及其评估方法,使用引用文献的方法考察各种摘要生成机制,同时对可用于摘要任务的数据集进行了广泛的回顾,并在 CNN 语料库数据集上进行了抽取和生成方法的实证研究。
Jan, 2023
自动摘要是计算机缩短文本数据的过程,以创建一个表示原始文本中最重要的信息的子集 (摘要)。现有的摘要方法大致可以分为两类:抽取式和生成式,前者会从源文档中显式选择文本片段 (单词,短语,句子等) ,而后者则会生成新的文本片段来传达源文件中最突出的概念。
Apr, 2022
本文通过问卷调查的方式,针对大学生这个用户群体,探究了自动生成文本摘要当前的研究方向与用户需求之间的差距,并提出了相关建议,以期能够改善未来自动文本摘要研究中的这一不匹配。
Dec, 2020
自动文本摘要在近年来取得了实质性的进展。Ter Hoeve 等认为自动摘要生成的类型与用户需求不符,推荐增加更多图形元素。基于这个任务,我们提出了摘要与图形元素结合的新任务,并验证这些摘要对大众有助益。我们收集了一个高质量的人工标注数据集,提供基线模型表明该任务是有趣和具有挑战性的。希望这项工作能够在自动摘要社区中引起新的研究线路。
Apr, 2022
本文对程序理解领域中自动代码摘要的现状进行了系统文献综述,着重调研数据提取技术、描述生成方法、评估方法和相关工具,从而深入阐述了目前的自动代码摘要方法,为未来程序理解与注释生成的研究提供了方向。
Sep, 2019