May, 2019

学术出版物的结构化摘要

PDF
TL;DR提出一种名为 SUSIE 的新型科技论文摘要方法，可与最先进的摘要模型结合使用，用于生成学术论文的结构摘要。同时，创建了一个适用于神经网络结构摘要任务的新的学术出版物数据集 PMC-SA，并将 SUSIE 与三种不同的摘要模型结合应用于该数据集，结果表明所提出的方法可将所有模型的性能提高多达 4 个 ROUGE 点。
susiescientific summariesneural networkspmc-sa datasetrouge points
发现论文，激发创造
  • 科学论文摘要的监督式提取方法

    本文介绍了一种新的数据集，用于总结计算机科学出版物，展示了利用神经句子编码和传统的总结功能来开发模型的方式，并表明即使在传统的科学领域中，对句子的编码以及他们的本地和全局背景进行编码的模型也有很好的性能，并实现了明显优于已经建立的基准方法的结果。

    Jun, 2017

  • SueNes：一种弱监督方法通过负采样评估单文档摘要

    本文提出了一种无需参考摘要的弱监督自动摘要评估方法，通过将现有摘要数据集中的大量数据与损坏的参考摘要进行配对来训练，实现了横向领域测试，证明了该方法在语言质量评估方面具有很大优势。

    May, 2020

  • ScisummNet: 带有引文网络的科学论文摘要的大型注释语料库和内容影响模型

    该论文提出了一种新的解决方案，通过开发和发布一个大规模的、手动注释的科学论文语料库，并提出了将作者的原始亮点（摘要）和文章对社区的实际影响（引用）整合的摘要方法，创建全面的、混合型摘要。我们进行了实验，证明了我们的语料库在训练数据驱动模型的科学论文摘要中的功效以及我们的混合型摘要优于摘要和传统的基于引用的摘要。这个大规模的注释语料库和混合方法提供了一个新的科学论文摘要研究框架。

    Sep, 2019

  • 统一多场景摘要评估 (UMSE)

    提出了一种用于三种摘要评估方案的统一多方案摘要评估模型（UMSE），其中使用扰动前缀调整方法来共享不同方案之间的信息，通过自监督训练偏向优化统一模型。在常见的标准数据集 SummEval 上进行的实验结果表明，UMSE 的性能可以与专门针对每种情况进行设计的现有强方法相媲美。

    May, 2023

  • 使用引文背景和文章篇章结构进行科学论文摘要

    提出一种利用引文语境和文章话语模型的科技论文摘要方法，通过为每个引文提供上下文来克服引文标题与文章内容不一致的问题，同时借助文章的话语特征来产生更好的摘要。对 TAC2014 科技论文摘要数据集的结果表明，该方法实现了超过 30% 的性能提升，适用于其他领域。

    Apr, 2017

  • SUMIE: 增量实体摘要的合成基准

    SUMIE 是一个完全合成的数据集，用于暴露现实世界的增量实体摘要挑战，验证了生成的摘要与段落之间的高质量一致性，该数据集难度高，先进的语言模型在更新摘要时的 F1 得分超过 80.4%。

    Jun, 2024

  • 长篇科学文档的基于话语的无监督摘要

    本文提出了一种基于无监督的基于图的排名模型，用于提取科学文献的摘要。我们的方法假定源文档采用两级分层图表示，并利用不对称的位置提示来确定句子的重要性。在 PubMed 和 arXiv 数据集上的结果表明，我们的方法在自动指标和人工评价方面优于强无监督基线。此外，其性能与许多基于监督学习的方法相当。这些结果表明，篇章结构中的模式是确定科学文章重要性的强有力信号。

    May, 2020

  • GLIMPSE: 学术评论的实用多文档摘要

    提出了一种旨在提供学术评论综述的简明方法，该方法通过引入新颖的唯一性评分来提取评论中相关的句子，从而提供一个全面而平衡的观点，并在人类评估中显示出比基准方法更有区别性的摘要，并在自动评价指标方面具有可比较的性能。

    Jun, 2024

  • 科学论文的 Citance - 上下文总结

    提出一种新的上下文化摘要方法，该方法可以根据含有引用文献的句子（称为 “引文”）生成信息丰富的摘要，概述了引文相关引用位置的文献内容，该方法提取和建模论文的引文，检索相关的引用文献段落，并生成针对每个引文的抽象摘要。

    Nov, 2023

  • 科学文章的基于序列的摘要提取

    通过研究，本文在科学文章的有监督摘要提取方面展现了基于仅使用文档内文本的简单序列标记模型对简单分类模型的高效结果，并对句子级特征进行了最小化改进。通过进一步分析，我们展示了序列模型依赖文档结构且取决于学科领域的潜力。

    Apr, 2022