信息丰富且可控的观点摘要

ACLSep, 2019

Informative and Controllable Opinion Summarization

Reinald Kim Amplayo, Mirella Lapata

TL;DR本文提出了一种摘要框架，通过将目标的所有评论压缩为多个密集向量以代替传统的前置筛选步骤，从而最大化地保留所有信息，进而生成更具信息量的摘要，并且采用零样本技术，能够有效地生成根据用户需求定制的摘要，实验结果表明了该模型在 Rotten Tomatoes 数据集上的优越性能。

Abstract

opinion summarization is the task of automatically generating summaries for a set of reviews about a specific target (e.g., a movie or a product). Since the number of reviews for each target can be prohibitively large, neural network-based methods follow a two-stage approach where an e

opinion summarization neural networks extractive model abstractive model customized summaries

发现论文，激发创造

观点摘要的小样本学习

本文介绍了一种学习无监督条款，在生成模型中引入少量样本来捕获其必要属性的方法，用于生成商品评论等主观性文本的摘要，该方法比以往的提取和抽象方法更有效。

Apr, 2020

超越意见挖掘：客户评论观点总结

本文介绍了基于神经网络和机器学习的 Opinion Summarization，主要是关于 customer reviews 的情感摘要，包括自监督、少样本和有监督学习方案，并提出了资源和评估方法。

Jun, 2022

无监督意见摘要作为抄袭评论生成

本研究提出了一种基于变分自编码器的生成模型，可以在无监督学习的条件下，通过控制输入文本的变异程度，生成简明扼要、持有共识观点的评论摘要。

Nov, 2019

OpineSum: 基于蕴含的自训练方法用于抽象意见摘要

本文提出了一种基于自我训练的抽象化意见摘要方法 OpineSum，该方法使用文本蕴涵的新颖应用程序来捕捉一个项目的各种评论中的意见共识，从而在大规模上获得银标准摘要并训练无监督和少量样本的摘要系统，而在结构中实现了最先进的性能。

Dec, 2022

通过选择有信息量的评论学习观点摘要器

本文研究了如何在大数据集上进行意见总结，并通过选择有信息量的评论子集并联合学习摘要生成器来解决这个问题。

Sep, 2021

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

基于神经网络的观点和论证摘要生成

用基于注意力机制的神经网络模型，依据重要性进行采样的方法，生成更优于现有方法的电影评论和争论的摘要。

Jun, 2016

可归属且可扩展的意见概括

我们提出了一种无监督的意见摘要方法，该方法将顾客评论中的句子编码到分层离散的潜空间中，然后基于编码的频率识别常见的意见，并通过解码这些频繁的编码生成抽象摘要和通过选择分配给相同频繁编码的句子生成提取摘要

May, 2023

OpinionDigest: 一个简单的意见摘要框架

OpinionDigest 是一款使用 Aspect-based Sentiment Analysis 模型并训练 Transformer 模型来从多个评论中提取、合并、评估和转化用户观点的抽象意见摘要框架，可针对特定用户需求生成定制的意见摘要，同时在 Yelp 数据上表现出比竞争基线更好的摘要质量。

May, 2020

自监督和可控多文档意见摘要

本文介绍了一种自我训练的方法，使用控制代码通过 Transformer 架构将多条评论进行无监督抽象摘要，并通过人工评估表明，该方法生成的摘要具有更高的质量和相关性。

Apr, 2020