EMNLPOct, 2020

具有对话结构的多视角序列到序列模型用于摘要对话总结

PDF
TL;DR本研究提出了一种多视角序列到序列模型，其通过提取来自不同视角的非结构化日常聊天中的会话结构来表示会话，然后利用多视角解码器来合并不同视角生成对话摘要，在大规模对话摘要语料库上的实验结果表明，本研究方法在自动评估和人类判断方面均明显优于之前的最新模型。
text summarizationnlpconversational structuresmulti-view sequence-to-sequence modeldialogue summaries
发现论文，激发创造
  • 基于话语和行为图的结构感知抽象性对话摘要

    该研究提出了通过使用结构化图表来建模话语关系和行动三元组，并设计多粒度解码器来生成摘要的方法，从而实现更准确、精确的抽象对话摘要。实验结果表明，该模型在自动评估和人类判断方面优于现有方法，并在其他领域具有很强的泛化能力。

    Apr, 2021

  • 抽象会议总结：一项调查

    本文对多方会议情境下的自动摘要这一任务涉及到的难点、数据集以及系统进行了综述，并介绍了未来的研究方向。

    Aug, 2022

  • 序列到序列模型的神经摘要文本概括

    本研究从网络结构、训练策略和摘要生成算法三个方面全面综述了不同的 seq2seq 模型用于文本摘要生成的研究，并提出了一个名为 NATS 的开源工具包进行研究，对 CNN / Daily Mail 数据集进行了广泛的实验检验，在 Newsroom 和 Bytecup 数据集上测试了两个模型。

    Dec, 2018

  • 人在环节下的抽象式对话摘要

    本文提出引入不同层次的人类反馈，结合增强学习以提高抽象对话摘要的质量。实验表明，该方法在人类判断方面优于监督式基线，并能提高摘要质量。

    Dec, 2022

  • 基于话语关系重构的零样本抽象式对话摘要

    提出一种使用话语关系进行无监督抽象化对话摘要生成的方法，并验证其在 AMI 和 ICSI 会议语料库上的有效性，ROGUE score 提升了 3 个点以上，甚至与现有的最先进方法竞争。

    Feb, 2019

  • 使用序列到序列 RNN 及其扩展进行抽象文本摘要

    该研究使用注意力编码 - 解码循环神经网络模型抽象化文本摘要，并在两个不同的语料库上展示其实现最先进的性能。同时，该研究还提出了几种解决文摘中的关键问题的新模型，比如建模关键词、捕捉句子到单词结构的层次以及提取训练时很少出现的单词等。此外，研究还建立了一个多句子的文摘数据集，以便后续的新研究能建立性能基准。

    Feb, 2016

  • 基于句子门控模型和对话行为优化的抽象化对话摘要

    本论文旨在通过引入对话行为，设计一种基于句子门控机制的神经摘要模型，以更好地模拟对话行为和摘要之间的关系，从而提高其在 AMI 会议语料库上的性能表现。实验结果表明，所提出的模型相对于现有的基线表现有很大改善，突显出对话行为所提供的交互信号的实用性。

    Sep, 2018

  • 改进序列到序列模型，使用元启发式方法进行抽象文本摘要

    在信息时代，人们阅读冗长的新闻文章的时间越来越少，提供简洁的信息摘要变得比以往任何时候都更为重要。本文旨在改进现有的架构和模型，针对抽象文本摘要进行微调超参数，并尝试特定的编码器 - 解码器组合，以提高摘要生成的效果。

    Mar, 2024

  • ConvoSumm: 对话摘要基准以及通过论证挖掘改进的抽象式摘要

    本研究通过设计 Annotation Protocols 并使用 Argument Mining 技术，基于网络上不同形式的讨论为标准数据集，比较了各种先进的对话总结模型，在自动和人工评估中均取得了较高的结果。

    Jun, 2021

  • 对话摘要的一袋技巧

    本研究针对对话摘要技术所面临的特殊需求，探索处理多个发言者对话识别、否定理解、情景推理和非正式语言理解四大挑战，并使用预先训练的序列到序列语言模型进行实验，通过发言者名称代替、否定范围突出、多任务学习与域内预训练等方法提高摘要表现，超越强基准结果。

    Sep, 2021