基于句子门控模型和对话行为优化的抽象化对话摘要
该研究提出了通过使用结构化图表来建模话语关系和行动三元组,并设计多粒度解码器来生成摘要的方法,从而实现更准确、精确的抽象对话摘要。实验结果表明,该模型在自动评估和人类判断方面优于现有方法,并在其他领域具有很强的泛化能力。
Apr, 2021
提出一种使用话语关系进行无监督抽象化对话摘要生成的方法,并验证其在 AMI 和 ICSI 会议语料库上的有效性,ROGUE score 提升了 3 个点以上,甚至与现有的最先进方法竞争。
Feb, 2019
该论文介绍了一种新型的多说话者对话摘要生成器,利用大规模的常识知识来促进对话理解和总结生成。实验表明我们的模型能够优化 SAMSum 数据集,并且也能够更好地适用于新领域的零样本实验。
Oct, 2020
本研究提出了一种多视角序列到序列模型,其通过提取来自不同视角的非结构化日常聊天中的会话结构来表示会话,然后利用多视角解码器来合并不同视角生成对话摘要,在大规模对话摘要语料库上的实验结果表明,本研究方法在自动评估和人类判断方面均明显优于之前的最新模型。
Oct, 2020
本文针对抽象对话摘要的质量和粒度控制问题,提出了一种包含两个主要组成部分和阶段的模型,实现了基于伪标注疑问代词类别和基于组成句法分析提取关键词短语生成初步摘要,并通过自动确定或控制源文本中不同文本片段预测和突出显示给定对话的生成摘要句子数量。在最大的对话摘要语料库 SAMSum 上表现出优越性能,达到了 50.79 的 ROUGE-L 评分,并展示了竞争性高的人类评估结果和可控制的效果。
May, 2021
本研究针对对话摘要技术所面临的特殊需求,探索处理多个发言者对话识别、否定理解、情景推理和非正式语言理解四大挑战,并使用预先训练的序列到序列语言模型进行实验,通过发言者名称代替、否定范围突出、多任务学习与域内预训练等方法提高摘要表现,超越强基准结果。
Sep, 2021
本文提出了一种基于统计学方法的对话行为建模方法,通过对词汇、语音、对话结构等多个方面的考虑对话行为进行检测和预测,并应用于语音识别和对话行为分类,实验表明取得了良好的对话行为分类精度和一定的语音识别效果提升。
Jun, 2000
研究神经方法在抽象对话摘要模型中显式地结合指代信息的不同方法来解决对话中的核心参照问题,发现这样的模型在追踪对话过程中的信息流和关联与对应的讲话者和人物提及方面需要更准确且精确。
Jun, 2021