ACLApr, 2021

摘要生成的推断时间风格控制

PDF
TL;DR本文提出了两种新的方法来帮助训练集较少的 Transformer 模型实现不同风格的文本摘要生成，分别为调节解码状态和词单元控制，实验结果表明，这两种方法均能够生成简明易懂的文本摘要，并且可以实现不同风格的转换。
summarizationtransformer-based modelsstyle transferlexical controlevaluation
发现论文，激发创造
  • HydraSum: 多解码器模型解开文本摘要中的风格特征

    HydraSum 是一种新的总结架构，通过多个解码器自动学习不同样式的摘要并提供了一种简单机制以获得样式多样的摘要，同时使用训练期间的小改动可以实现对生成空间多个维度的变化。

    Oct, 2021

  • 通过摘要原型引导的长度可控抽象摘要

    本文提出了一种新的长度可控的抽象汇总模型，与以往仅根据编码器 - 解码器模型生成一篇总结不同，我们的模型在编码器 - 解码器模型中结合了单词级别的抽取模块，通过提取重要的词来控制长度，生成了一个同时具有信息和长度控制的汇总。

    Jan, 2020

  • 可控抽象摘要

    本文提出了一种神经摘要模型，能够通过简单而有效的机制实现用户对文本长度、风格、感兴趣的实体等高级属性的控制，以生成符合用户需求的高质量摘要，并在 CNN-Dailymail 数据集上优于现有的自动化系统和人工评价。

    Nov, 2017

  • 自监督和可控多文档意见摘要

    本文介绍了一种自我训练的方法，使用控制代码通过 Transformer 架构将多条评论进行无监督抽象摘要，并通过人工评估表明，该方法生成的摘要具有更高的质量和相关性。

    Apr, 2020

  • 面向主题控制的摘要生成评估和 Transformer 方法

    该研究提出了一种新的主题导向的评估度量方法，用于自动评估生成的摘要与所需主题之间的关联度，并验证了其可靠性，同时提出了将主题嵌入到模型架构中或使用控制标记引导摘要生成的简单而强大的主题可控摘要方法，实验结果表明控制标记比更复杂的嵌入式方法表现更好，并且速度明显更快。

    Jun, 2022

  • 为文本摘要增加和掌控全球语义

    本研究介绍并应用了一种神经主题模型以及归一化流以捕捉文档的全局语义，并将其整合到摘要模型中，以解决 Transformer-based 模型在摘要生成中存在的短程依赖问题，同时在五个常用文本摘要数据集上表现优于现有方法。

    Sep, 2021

  • 通过摘要对偶和显式大纲控制增强生成

    提出了一种基于总结增强的两阶段生成框架，并提出了一种新颖的显式概要控制方法，用于更有效地利用生成的概要。

    May, 2023

  • CTRLsum: 通用可控文本摘要

    CTRLsum 是一种用于可控摘要的新型框架，它能够使用户通过文本输入关键词或描述性提示来控制生成摘要的多个方面，在不需要额外人工注释或预定义训练期间的控制方面的情况下，在三个领域的摘要数据集和五种控制方面中得到量化证明，并在 CNN/DailyMail 数据集上取得了最先进的结果。

    Dec, 2020

  • 精准长度控制摘要

    该论文提出了一种能够精确控制文本长度的文本生成框架，可以生成指定数量的词语或句子的摘要，且在维持或提高文本质量的同时，通过联合训练模型预测长度，实现生成最佳长度的摘要。作者对该框架在 CNNDM 数据集上进行了评估，结果表明其性能优于现有方法。

    May, 2023

  • 无监督可控文本形式化

    本文提出了一种新颖的可控自然语言转换框架，通过深度神经编码 - 解码器和辅助模块的加强以及基于自然语言处理工具的评分器来实现无监督训练，将其应用于正式化文本的任务中，实验表明该模型在转换文本并引入适当的正式设定方面表现良好，代码和数据集已供学术使用。

    Sep, 2018