本论文提出了一种新的基于整数线性规划框架的学生课程反馈摘要方法，在学生反馈语料库上的实验结果表明，该方法在 ROUGE 分数和人类评估方面优于一系列基线。

May, 2018

通过 Python、LaTeX 和谷歌自然语言处理 API，我们提出了一种将学生对课程的观点进行情感分析并归类为主题特定分报告的新方法。

Jan, 2023

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

介绍了 QuOTeS，一种交互式系统，它集成了 Query-Focused Extractive Summarization 和 High-Recall Information Retrieval 技术，旨在从潜在的引用文献集合中检索与研究摘要相关的句子，帮助撰写新论文，同时经过全面的用户研究表明，该系统能够提供积极的用户体验和相关的、简明、完整的摘要。

Jun, 2023

本研究提出了一种新颖的端到端的上下文感知框架，该框架可提取、聚合和缩略嵌入式语义模式的开放响应调查数据，在识别度上优于传统的基于关键词的方法。利用预训练的自然语言模型对文本数据进行编码，将其转化为语义向量，并通过聚类的方式将向量划分到若干组并提取关键词或总结句，为每一组提供上下文感知的词云，并遵守用户隐私的设计。该方案可应用于移动设备的实时分析，减轻了对来自调查数据的信息提取成本。

Mar, 2022

本研究论文针对新闻文本自动摘要的抽取和生成方法进行了广泛的比较评估，重点分析了 ROUGE 分数。研究使用 CNN-Daily Mail 数据集，包括新闻文章和人工生成的参考摘要。通过 ROUGE 分数评估生成摘要的效果和质量，再将表现最佳的模型整合到 Web 应用程序中，评估其在真实世界中的能力和用户体验。

Oct, 2023

本文提出了一种基于问题解答的方法，通过将文本视为小型知识库进行大量提问，以精确地比较两个文本之间的内容差异，从而解决 NLP 系统评估中的一个重要问题。实验结果表明，该方法在分析大型文本语料库方面具有较高的准确性和可靠性。

Apr, 2017

本研究提供了一个大的数据集，开发了一种标准对学生的评论进行分类，并提出了一种使用大型语言模型进行评论分类的最佳实践，从而建立了一个低成本的定量研究自动化体系，来处理海量的在线学生反馈。

Jun, 2023

本文重新评估了文本摘要的评估方法，使用最新的数据集和系统输出来评估评估指标的可靠性，并发现旧数据集上对评估指标的结论不一定适用于现代数据集和系统。

Oct, 2020

通过添加领域特定本体信息增强内容选择和摘要生成，我们的序列到序列抽象式摘要模型的应用于放射学报告数据集，能够显著优于当前最先进的方法，同时经过放射学家的人类评估，表明该方法生成的摘要不太可能省略重要细节，而且读起来依然具有可读性和准确性。

May, 2019