Jul, 2020

自动对齐方法用于摘要语料库构建

PDF
TL;DR本文提出了使用会议摘要生成自动转录报告的方法。使用自动预对齐方法使数据批量化对齐，最大化语料库的规模，以及使用人工标注者进行更准确地校对。作者还评估了自动对齐和自动摘要的表现，并证明自动对齐可大幅度提高所有 ROUGE 得分。
text summarizationmeeting summarizationautomatic alignmentneural summarizationrouge scores
发现论文，激发创造
  • 自动文档摘要的词语和短语对齐

    本文主要探讨了目前单文档自动摘要所采用的句子提取和基于词袋模型的标题生成算法的不足，并提出了一种基于词语和短语对齐技术的自动化摘要算法。通过实验结果表明，该模型能够在 <文档，摘要> 数据集中可靠地识别单词和短语的对齐。

    Jul, 2009

  • 判别式书籍摘要新的对齐方法

    采用不监督的方式对一本书的全文与人工撰写的摘要进行对齐，通过使用基于隐马尔科夫模型的两种新方法来解决长度差异的问题，并在抽取式书籍摘要任务上取得了一定的效果。尽管还有很大的提升空间，但无监督对齐在提供哪些书籍特征值得总结方面具有内在价值。

    May, 2013

  • 自动文本摘要方法：综述

    本文详细介绍了文本摘要的各种方法，包括提取和抽象两种途径，评估指标、基准数据集与未来的研究展望，并讨论了生成摘要的不同评估方法与相关研究中可能出现的挑战和研究机遇。

    Mar, 2022

  • 探究基于查询的会议摘要的一致性：不同嵌入方法的比较研究

    文本摘要是自然语言处理领域的一个著名应用，可以自动根据给定的上下文生成带有重要信息的摘要，特别适用于会议总结等多主题、多人参与的长篇文档。我们提出了 Locater 模型用于提取有关片段，然后通过 Summarizer 模型进行总结，并应用不同的词嵌入技术进行了比较研究以提高摘要的一致性。

    Feb, 2024

  • 摘要 - 源命题级别对齐：任务、数据集和监督基线

    该论文提出了一种以监督分类的方式在更准确的命题跨度级别进行摘要 - 源文本对齐的方法，并利用众包数据构建了一个新的训练数据集，表明该方法在句子对齐质量方面的效果优于无监督方法。

    Sep, 2020

  • 探索会议总结的自动评价指标

    会议总结的关键任务是识别和提取关键字，但现有评估指标无法准确捕捉会议特定错误，本文通过对人工评估和自动评估的相关性研究，揭示自动指标无法捕捉可观测错误且掩盖了某些错误，同时发现不同模型架构对会议文件中的挑战有不同的响应，存在明显的挑战与错误之间的联系。

    Apr, 2024

  • 基于神经网络的摘要生成方法调研

    本文综述了近期在基于神经网络的自动文本摘要中的十种最先进的神经网络模型，其中包括五种生成式模型和五种抽取式模型，并讨论了应用于摘要任务的相关技术和未来研究的有前途的方向。

    Mar, 2018

  • 神经抽象摘要方法调查及其摘要的事实一致性

    自动摘要是计算机缩短文本数据的过程，以创建一个表示原始文本中最重要的信息的子集 (摘要)。现有的摘要方法大致可以分为两类：抽取式和生成式，前者会从源文档中显式选择文本片段 (单词，短语，句子等) ，而后者则会生成新的文本片段来传达源文件中最突出的概念。

    Apr, 2022

  • Summaformers @ LaySumm 20, LongSumm 20

    本文探讨了利用 Transformer-based 系统概括多领域科学研究论文的问题，并设计了两种不同类型的概述手段，即 LaySumm 和 LongSumm，使用 ROUGE 指标有效评估了本文系统的优越性。

    Jan, 2021

  • 自动文本摘要技术的综合综述：方法、数据、评估和编码

    本文综述了自动文本摘要的研究现状及其评估方法，使用引用文献的方法考察各种摘要生成机制，同时对可用于摘要任务的数据集进行了广泛的回顾，并在 CNN 语料库数据集上进行了抽取和生成方法的实证研究。

    Jan, 2023