Oct, 2018

一个敏感时间子模框架用于时间线摘要

PDF
TL;DR本文提出了一种新的时间线概述方法，可以通过优化模型来评估每个日期的重要性和事件与子事件之间的相互依赖关系，并生成短文本概述，该方法与多文档概述不同，可以应用于长期事件，提供了一种新颖的时间线概述优化模型并提供开源实现。
timeline summarizationmulti-document summarizationoptimization modelstemporal dimensionopen-source implementation
发现论文，激发创造
  • 新闻时间轴摘要的技术现状分析

    本文介绍了自动新闻时间线摘要（TLS）的评估指标及方法并提出了最新的 TLR 数据集以及一种结合多种方法的简单而有效的策略，取得了比现有技术更好的结果。

    May, 2020

  • 强化学习交互学习时间轴摘要

    这篇论文提出了一种基于强化学习的交互式时间轴摘要生成系统，利用复合奖励函数自动调整生成摘要的准确性、相干性和语言流畅性，避免个体用户的反馈，实现时间轴摘要生成的高准确性。

    Nov, 2022

  • 历史文献资料的时间线生成概念框架：存档时间线摘要 (ATLS)

    本文提出了一种档案时间线摘要（ATLS）系统的概念框架，建议将时间线摘要方法扩展到档案收藏品，以帮助研究；同时探讨了现有的时间线摘要方法。

    Jan, 2023

  • 按时间轴生成摘要和抽取式时间轴摘要

    本论文提出了一种统一的时间轴摘要生成器 (UTS)，它可以按时间顺序生成抽象和抽取式时间轴摘要，其中图形事件编码器和事件级关注机制是关键组成部分，实现了最先进的性能水平。

    Jan, 2023

  • 大规模数据概括：一种两阶段次模方法

    本文介绍了一种基于子模性的数据集成简化技术，并提出了适用于大规模数据集的流式处理和分布式处理算法。实验表明，此技术在图像摘要和共享出行优化等实际任务中有较高的效率和实用性。

    Jun, 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

  • 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

  • 基于 LLM 的多文档总结：利用主事件有偏单调子模函数内容提取

    通过提取与主事件相关的最关键信息，使用预训练的语言模型对内容进行重写，从而提高新闻摘要的客观性和信息性。

    Oct, 2023

  • 使用 LLMs 进行时间线构建的配方比较

    构建时间线需要识别文章中事件的时间顺序。为了解决缺失时间信息的问题，我们开发了一个新的评估数据集 TimeSET，其中包含具有文档级顺序注释的单文档时间线。通过使用基于显著性的事件选择和部分排序，TimeSET 能够实现实用的注释工作负载。为了构建更好的自动时间线构建系统，我们提出了一个新的评估框架，通过提示开放式 LLMs（例如 Llama 2 和 Flan-T5）使用 TimeSET 来比较多个任务表述。考虑到识别事件的时间顺序是时间线构建中的核心子任务，我们还在现有的事件时间顺序数据集上对开放式 LLMs 进行了基准测试，以获得他们能力的稳健理解。我们的实验结果表明，（1）采用 Flan-T5 的 NLI 表述在其他表述中呈现出较强的性能，而（2）时间线构建和事件时间顺序仍然是少样本 LLMs 面临的挑战性任务。我们的代码和数据可以在此链接找到。

    Mar, 2024

  • 面向查询的用户生成内容的观点摘要

    本文介绍一个基于子模函数的查询聚焦意见摘要框架，其中，相关性排序由统计排名器产生，并且涵盖了涉及主题分布和多样视角的信息覆盖，同时利用离散函数来最小化冗余。本文是第一个为基于子模性的摘要方法评估不同文本相似性度量的方法。通过在社区 QA 和博客摘要上的实验，我们表明，我们的系统在自动评估和人类评估方面都优于现有技术。并且在 Amazon Mechanical Turk 上进行了一个人类评估任务，展示我们的系统能够产生总体质量和信息多样性高的摘要。

    Jun, 2016