EMNLPApr, 2021

意见总结的凸聚合

PDF
TL;DR本研究发现，使用简单平均聚合方法生成的潜向量会因为 $L_2$ 范数收缩而导致生成的摘要过于泛化。我们通过使用 Coop 框架中的输入输出单词重叠来改进向量聚合方法并取得了优异性能，成为了两项意见摘要基准测试的最新技术。
text autoencodersvector aggregationopinion summarizationcooplatent vectors
发现论文，激发创造
  • 可归属且可扩展的意见概括

    我们提出了一种无监督的意见摘要方法，该方法将顾客评论中的句子编码到分层离散的潜空间中，然后基于编码的频率识别常见的意见，并通过解码这些频繁的编码生成抽象摘要和通过选择分配给相同频繁编码的句子生成提取摘要

    May, 2023

  • 无监督意见摘要作为抄袭评论生成

    本研究提出了一种基于变分自编码器的生成模型，可以在无监督学习的条件下，通过控制输入文本的变异程度，生成简明扼要、持有共识观点的评论摘要。

    Nov, 2019

  • 其部分之和”：利用自编码器联合学习单词和短语表示

    论文介绍了一种新的模型，采用词共现统计信息来学习单词向量表示，同时利用平均单词向量表示法将不同长度的单词序列嵌入到一个共同的语义空间中，并说明了这种短语表示法对于自然语言处理中的许多任务可能是有用的。

    Jun, 2015

  • 使用近似测地线进行无监督意见摘要

    该论文提出了一种名为 Geodesic Summarizer 的系统来完成无监督抽取式意见总结，使用编码器 - 解码器模型进行表示学习，利用多个解码器层进行预训练文本表示的词典学习，利用近似测地线距离基于得分的机制来量化评论句子的相关性，以此识别流行意见并汇总成一般和具体方面的总结，最终实现了三个意见总结数据集中的最先进性能。

    Sep, 2022

  • 基于稀疏编码的无监督抽取式观点摘要

    该研究提出了一种基于语义自动编码器（SemAE）的无监督抽取式网络评论摘要算法，并且能够进行具有可控性的方面特定性的摘要，实验结果表明该算法在 SPACE 和亚马逊数据集上表现强劲

    Mar, 2022

  • 通过生成树状主题引导的句子进行无监督抽象意见摘要

    本文提出了一种基于高斯混合模型的新颖非监督式抽象摘要方法。实验结果表明，该方法生成的主题句适合作为观点文本摘要，并且更具信息量和覆盖面。

    Jun, 2021

  • Wasserstein 空间中的无监督意见摘要

    本文提出了使用 Wasserstein 距离的无监督抽象摘要模型 WassOS，结合变分自编码器，把语义和句法空间分离并使用他们的 Wasserstein barycenter 得到摘要分布。实验表明，该模型在 ROUGE 指标上表现卓越且对于人类的评估达到了最佳的意思保留效果。

    Nov, 2022

  • 主题扩充生成器用于抽象化摘要

    该研究提出了一种新的解码器，通过条件调整文本和文档的潜在主题来生成摘要，使用 LDA 等主题模型揭示了更多的全局语义信息，使解码器能够访问文本语料库级别的词共现统计信息，实验表明，与现有模型相比，该方法能显著提高 ROUGE 分数。

    Aug, 2019

  • 信息丰富且可控的观点摘要

    本文提出了一种摘要框架，通过将目标的所有评论压缩为多个密集向量以代替传统的前置筛选步骤，从而最大化地保留所有信息，进而生成更具信息量的摘要，并且采用零样本技术，能够有效地生成根据用户需求定制的摘要，实验结果表明了该模型在 Rotten Tomatoes 数据集上的优越性能。

    Sep, 2019

  • MeanSum: 一种用于无监督多文档抽象摘要的神经模型

    本文提出了一种基于神经网络的无监督自动编码器架构，用于进行商品评论的抽象摘要，通过自动化指标和人类评估表明，该模型生成的摘要高度抽象、流畅、相关，并代表了输入评论的情感倾向。

    Oct, 2018