May, 2020

基于谓词匹配的实体摘要

PDF
TL;DR本文提出了一种名为 MPSUM 的方法来解决实体概括生成的问题，该方法使用概率主题模型并集成谓词唯一性和对象重要性的想法进行三元组排名，以生成简洁但代表性的实体概括。在使用 DBpedia 和 LinkedMDB 数据集进行对比实验后，结果表明我们的方法提高了实体概括的质量。
发现论文，激发创造
  • 实体概述：现状和未来挑战

    本文综述了实体摘要技术的最新研究进展，探讨了现有方法的技术特征和框架，同时提出了未来研究方向。

    Oct, 2019

  • M3PS：电子商务中的端到端多粒度多模态属性感知产品摘要

    提出了一种多模态属性感知的端到端多粒度多模态产品摘要方法 (M3PS)，用于在电子商务中生成高质量的产品摘要，并且能够克服现有的产品摘要方法存在的问题。

    Aug, 2023

  • EntSUM：面向实体的摘要数据集

    该研究提出了一个面向实体的可控摘要任务，并介绍了一个名为 EntSUM 的人工注释数据集，证明了现有的可控摘要方法无法生成实体为中心的摘要，提出了一种方法来改善此问题。

    Apr, 2022

  • ESBM: 实体概述基准

    本文创建了一个最大的可用基准测试方法 (ESBM)，以评估 9 个现有系统，考虑到所有这些系统都是无监督的，我们还实施和评估了一种基于监督学习的系统。该方法能够选择 RDF 数据中的子集来计算实体的最佳紧凑摘要，支持多种应用，并且已经得到了有益的研究。

    Mar, 2020

  • AutoSUM：实体摘要的特征提取和多用户偏好模拟自动化

    本研究提出了一种自动特征提取和多用户偏好模拟的新方法 AutoSUM，并证明在实体概述任务中，AutoSUM 在 F-measure 和 MAP 方面都具有最先进的性能。

    May, 2020

  • 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

  • AgreeSum: 基于协同的多文档摘要

    我们在建立包含多篇文章的数据集基础上，对 MDS 任务的 AgreeSum 分支进行了研究，通过应用 PEGASUS 模型以及有监督的损失函数和 T5 模型的损失函数进行分析，实现了更好的摘要及其准确度。

    Jun, 2021

  • 图搜索和匹配实现的多文档摘要

    本论文提出了一种基于图表达的文本相似性和差异性总结方法，使用 “spreading activation” 技术在两个相关文档中发现与主题语义相关的节点，并将两个文档的激活图匹配以获得相似和不同之处的图。

    Dec, 1997

  • 学术出版物的结构化摘要

    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。

    May, 2019

  • PDSum：基于原型的流式多文档集持续摘要

    这篇论文提出了一种新的问题 Evolution Multi-Document sets stream Summarization (EMDS) 以及一种新的无监督算法 PDSum 来解决动态演变的多文档集的连续摘要，该算法采用基于原型的轻量级方法来更新新摘要。

    Feb, 2023