ACLMay, 2018

多句压缩与预算次模最大化的无监督抽象会议摘要

PDF
TL;DR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。
graph-based frameworkabstractive meeting speech summarizationunsupervised learningword embeddingsdiversity and informativeness measures
发现论文，激发创造
  • 使用词图和 POV 转换的无监督抽象对话摘要

    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

  • 利用依存图融合进行抽象会议摘要

    本文介绍了一种基于整数线性规划的句子融合方法，用于从多个发言中提取重要内容生成摘要，并实验证明该方法能够生成比现有基准更为信息丰富的自动生成会议记录的摘要。

    Sep, 2016

  • 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

  • 自监督句子压缩在会议摘要中的应用

    本文提出了一种名为 SVB 的会议摘要方法，采用滑动窗口对话恢复和得分、频道重要性得分投票和相对位置分桶算法等三种技术，能够在不需要大规模预训练或专业标注工具的情况下，准确高效地压缩冗余信息并保留重要内容，从而优于现有的会议摘要方法。

    May, 2023

  • ESSumm: 从未转录会议中提取式演讲摘要

    本文提出了一种新颖的直接抽取式语音摘要架构 ESSumm，它是一种基于深度学习的无线束模型，可以直接从语音中生成摘要，极大地提高了从未转录的数据的摘要质量。

    Sep, 2022

  • 基于语义表示的抽象摘要生成

    本文提出了一种新颖的抽象摘要框架，利用意义表示（AMR）的树库进行研究。在该框架中，源文本被解析为一组 AMR 图，该图被转换为摘要图，然后从摘要图生成文本。我们专注于图形到图形的转换，该转换将源语义图减少为摘要图，并利用现有的 AMR 解析器并假设最终可用 AMR-to-text 生成器。该框架具有数据驱动、可训练性和不特定于特定领域的特点。在金标准 AMR 注释和系统解析上进行的实验显示出有希望的结果。

    May, 2018

  • 一种具有跨领域预训练的层次网络用于抽象会议摘要

    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

  • 利用话语结构创建会议摘要

    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

  • 无监督多文档摘要生成及句子图压缩技术

    该研究提出了一种基于 unsupervised 方法的 SummPip，通过将原始文档转换成语句图，并考虑语言和深度表示，然后应用谱聚类来获得多个句子簇，并最终压缩每个簇以生成最终摘要。实验表明我们的方法可以与先前的无监督方法相竞争，并且甚至可以与神经监督方法相媲美。此外，人类评估显示我们的系统与人类编写的摘要相比是一致而完整的。

    Jul, 2020

  • 抽象会议总结：一项调查

    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