COLINGNov, 2020

WSL-DS: 面向查询的多文档抽象摘要的弱监督学习与远程监督

PDF
TL;DR本文通过利用远程监督的方法来进行弱监督学习，使用类似于目标数据集的数据作为训练数据，借助预训练的句子相似度模型生成每个文档的弱参考摘要，进而在多篇文档中逐一确定单篇文档的摘要，最终在 DUC 数据集上以多种评价指标居于业内领先水平。
multi-document summarizationweakly supervised learningdistant supervisionpre-trained sentence similarity modelsstate-of-the-art
发现论文，激发创造
  • 基于查询聚焦的多文档概括及远程监督

    本研究提出了一种基于问题回答的粗糙到精细的建模框架，用于解决过去在建立查询与文本段之间关联性上面的问题，并在标准 QFS 基准测试中表现优异。

    Apr, 2020

  • 抽象的面向查询的多文档摘要生成的数据增强

    该研究介绍了两个 QMDS 训练数据集，这些数据集具有互补的性质并使用新的层次编码器建立了基于端的神经网络模型，这些模型不仅在自动度量上表现出了优异的结果，而且在人类评估中也表现出了优异的结果。

    Mar, 2021

  • AQuaMuSe: 自动为基于查询的多文档摘要生成数据集

    本文提出了一种名为 AQuaMuSe 的可扩展方法，用于自动从问答数据集和大型文档语料库中挖掘基于查询的多文档摘要示例，其中包括种类独特的可提取和抽象式摘要数据集，并提供了详细的数据集评估和基线摘要模型实验。

    Oct, 2020

  • 深度学习技术在多文档摘要中的应用：一项调查

    本文回顾了近期基于深度学习的多文档摘要模型，提出了新的分类方法以及对这个领域的现状进行了综合总结，并且强调了现有文献中很少讨论的各种目标函数之间的区别，最后对未来发展方向提出了几个建议。

    Nov, 2020

  • 主题引导的抽象多文档摘要

    该论文提出了一种基于异构图和神经主题模型的抽象多文档摘要模型，采用图到序列的框架，同时训练主题和摘要模块以提高性能和生成高质量主题。

    Oct, 2021

  • Absformer: 基于 Transformer 的无监督多文档抽象摘要模型

    本文提出了一种新的基于 Transformer 的方法，称为 Absformer，旨在针对没有提供摘要总结的文档进行无监督的抽象式多文档摘要生成，并在现实世界的三个不同领域的数据集上进行了评估，结果表明该方法在评价指标方面取得了实质性的提高，并且具有从不同领域的数据集中泛化的优势。

    Jun, 2023

  • 多篇文档摘要如何 “多”?

    本文介绍一种用于评估多文档摘要生成模型及数据集中数据分散程度的自动化度量方法，并检验几个流行的多文档摘要数据集，结果表明某些数据集没有利用多文档信息，提出应用该度量方法评估数据集和模型的性能。

    Oct, 2022

  • 通过参考灵活提取和信用感知来提高多文档摘要

    本文提出一种通过提取 - 摘要 Transformer 框架解决多文档摘要中输入长度过长问题的方法，其中包括分层提取和摘要重写。通过权重和深度强化学习等机制建立了抽取 - 摘要模型，实现了在大型数据集 Multi-News，Multi-XScience 和 WikiCatSum 上具有最佳效果的模型。

    May, 2022

  • 从无需查询的资源中生成查询聚焦型摘要

    该研究提出了一种基于神经网络的 MaRGE 模型，通过弱监督学习从支持证据中生成查询模型和自动生成摘要，从而实现基于查询的自动摘要，在查询爆炸性增长和追踪信息的需要下，取得了最先进的表现。

    Dec, 2020

  • 基于神经网络的抽象式多文档摘要生成方法研究

    本文针对多文档自动摘要问题，提出了一个基于小型多文档训练集的神经抽象模型 fine-tuning 方法，实证结果在两个基准 DUC 数据集上表现优异。

    Apr, 2018