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。

Oct, 2018

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

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

通过引入背景新闻摘要机制，结合时间轴更新，我们构建了一个数据集，并通过人工标注人员为每个新闻事件的每个时间步骤编写了背景摘要。我们提出了一个问题导向的变体来生成背景摘要，并使用基于问答的评估指标 Background Utility Score（BUS）评估了摘要质量。实验结果表明，在 Fine-tuned 系统（如 Flan-T5）和零 - shot 性能强大的 GPT-3.5 的指导下，背景摘要表现出很好的效果。

Oct, 2023

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

通过对传统提示技术进行扩展，我们的研究在各种新闻数据集上证明了增强提示效果的有效性，使新闻时间线生成成为专业使用的实际工具，并已部署为公开可访问的浏览器扩展程序。

Nov, 2023

提出了一系列新颖的文本摘要模型，通过在希腊新闻文章上进行全面评估，发现这些模型在各种评估指标上显著优于现有的希腊抽象新闻摘要模型。

Nov, 2023

我们引入了临床意义的社交媒体用户时间线总结的新任务，适用于精神健康监测。我们开发了一种新颖的无监督抽象总结方法，生成由高层次信息和用户社交媒体时间线中与时间敏感证据相配套的双层总结。我们的方法的关键方法创新来自基于一种适应表示长文本的分层变分自动编码器（VAE）版本和由 LLM 注释的关键短语引导的时间线总结组件。通过自动评估和临床专家的人工评估，我们评估了我们的新型架构生成的总结，结果显示 TH-VAE 进行的时间线总结逻辑连贯，临床效用丰富，并且在捕捉时间变化方面优于仅使用 LLM 方法。

Jan, 2024

本文旨在简明扼要地阐述抽象文本摘要现状，强调需采用预训练编码器 - 解码器模型与大型自回归语言模型。此外，讨论了摘要系统评估的挑战和用于零 - shot 摘要的 instruction tuned 模型的潜力，最后概述了如何将摘要系统整合到商业应用中。

May, 2023

本研究对多种 LSTM 和预训练模型（T5，Pegasus，BART 和 BART-Large）在开源数据集（Xsum，CNN/Daily Mail，亚马逊细粒度食品评论和新闻摘要）和简历数据集上进行了评估，其中 BART-Large 模型经过简历数据集微调后表现最佳，本研究的主要目标是对简历文本进行分类。

Jun, 2023