早并不总是更好：自动摘要中文本和系统偏见的子方面分析

EMNLPAug, 2019

早并不总是更好：自动摘要中文本和系统偏见的子方面分析

Earlier Isn't Always Better: Sub-aspect Analysis on Corpus and System Biases in Summarization

Taehee Jung, Dongyeop Kang, Lucas Mentch, Eduard Hovy

TL;DR对于神经摘要系统的明显改进及其依赖的语料库的基础逻辑尚未得到广泛探讨，因此本文提出了摘要的三个子方面：位置、重要性和多样性，并针对九个不同的摘要语料库（例如新闻、学术论文、会议纪要、电影剧本和书籍）进行了广泛分析。研究发现，尽管位置在新闻报道中存在重大偏见，但在学术论文和会议纪要等其他领域不是这种情况。此外，我们的经验证明不同类型的自动摘要系统（例如基于神经网络）由不同程度的子方面组成。因此，本研究提供了有关在收集新的摘要数据集或开发新系统时考虑基础子方面的有用信息。

Abstract

Despite the recent developments on neural summarization systems, the underlying logic behind the improvements from the systems and its corpus-dependency remains largely unexplored. Position of sentences in the original text, for example, is a well known bias for news summarization. Fol

neural summarization systems position bias sub-aspects of summarization summarization biases new summarization datasets

发现论文，激发创造

使用子方面函数的条件神经生成模型用于提取新闻摘要

本研究提出了一种基于神经框架的文本摘要方法，引入了多种子方面的函数（包括重要性、多样性和位置等），可以根据不同控制码来决定在生成文本摘要时关注哪个子方面，以减少位置偏向性并提供更多的用户偏好选择。

Apr, 2020

ASPECTNEWS: 新闻文档的面向方面的摘要

本文介绍了一个数据集 AspectNews，并比较了不同训练方案的效果，研究表明最终方法可以生成更好的聚焦摘要，相比通用摘要系统或关键字匹配更为敏感。

Oct, 2021

任何方面的文本总结：一种知识驱动的弱监督方法

本研究提出一种基于方面的抽象化摘要方法，可以对任意与文件相关的方面进行总结，带有外部知识库的弱监督构建方法和方面建模方案可以提高性能。

Oct, 2020

可控观点摘要

本论文提出了一种基于方面查询的定制摘要生成方法，使用多示例学习模型诱导的方面控制器创建 (review,summary) 对的合成训练数据集，通过微调预训练模型，生成修改方面控制器的方面特定摘要。在两个基准测试中，我们的模型表现优于先前的技术水平，并通过控制讨论的方面数量生成个性化摘要。

Sep, 2021

通过多阶段训练和辅助损失对抗新闻摘要中的主观倾向

本文提出两种技术来使系统对文章不同部分的重要性敏感，一种是使用随机排序的句子进行预训练，一种是使用基于 ROUGE 的 Auxiliary Loss 来分散整个文档中的重要性得分，这些技术可以显着提高基于强化学习的抽取系统的性能。

Sep, 2019

社交多文档摘要中了解位置偏见对公平性的影响

对社交媒体数据进行多源文档摘要的时候，用于优化摘要质量的模型往往侧重于流畅性、相关性和连贯性等方面，但摘要模型对不同社会群体意见的公正性也显得越来越重要。我们深入探讨了位置偏见在社交媒体多源文档摘要中的影响，通过分析输入文档中群组顺序对非裔美国英语、西班牙语及白人英语族群的推文进行摘要。实证分析结果显示，尽管文本摘要的质量在不考虑输入文档顺序时保持稳定，但公正性方面的结果会因方言群体在输入数据中的呈现方式而产生显著差异。我们的结果表明，位置偏见在社交媒体多源文档摘要中呈现不同，严重影响了摘要模型的公正性。

May, 2024

基于方面的会议记录摘要：一种基于弱监督句子分类的两阶段方法

提出了一个将会议记录按照方面进行总结的双阶段方法，它首先通过模拟标注的方式在 AMI 语料库上训练了一个句子分类器来选择特定方面的相关内容，然后将选定的句子合并作为输入，使用总结器生成基于方面的总结，实验结果表明该方法在 AMI 语料库上优于多个强基线模型，从而证明了我们提出方法的有效性。

Nov, 2023

神经文本摘要：一项关键评估

评估标准数据集、评估指标、模型三方面存在的问题，提出了数据集自动采集、评估不足以反映人类判断、模型样本不足多样化等三个主要问题，导致长文本摘要进展不一。

Aug, 2019

调查新闻摘要中的性别偏见

概括是大型语言模型（LLMs）的一个重要应用，先前的评估主要关注它们在内容选择、语法和连贯性方面的表现，但众所周知 LLMs 会传递和强化有害的社会偏见，因此我们需要研究这些偏见是否会影响文摘模型的输出。为了回答这个问题，我们首先提出了一些针对文摘模型中的偏见行为的定义，并介绍了实际的度量方法。然后，为了避免输入文档中的内在偏见对分析的干扰，我们提出了一种方法来生成具有精细控制的人口属性的输入文档。最后，我们将我们的度量方法应用于专为文摘模型和通用聊天模型生成的文摘中，发现单一文档的内容选择似乎在很大程度上不受偏见的影响，而虚构现象显示出有偏见传播到生成的文摘中的证据。

Sep, 2023

使用方面抽取方法生成评论摘要和用户配置文件

本研究评估了一个新提出的神经模型在提取评论方面的可行性，结果表明该模型能够从用户评论中准确识别和提取各个方面并生成用户偏好的基于方面的概要。

Apr, 2018