ACLApr, 2021

基于话语和行为图的结构感知抽象性对话摘要

PDF
TL;DR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。
abstractive conversation summarizationstructured graphsmulti-granularity decoderdiscourse relationsaction triples
发现论文，激发创造
  • 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

    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。

    Oct, 2020

  • 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

  • 使用词图和 POV 转换的无监督抽象对话摘要

    本文利用多句压缩图技术推动无监督抽象对话摘要的研究前沿，通过路径重新排列和主题分段方案提升算法可靠性，并在跨领域数据集上实现算法健壮性。我们还探讨了将深度学习与启发式系统相结合的方案，以提高算法性能。我们开源我们的代码，为未来无监督对话摘要的研究提供了一个强有力的、可重复的基线。

    May, 2022

  • 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

  • 利用话语结构创建会议摘要

    基于 GNN 的节点分类模型，利用话语结构从复杂的多方讨论中筛选出最重要的话语，并生成提取式摘要，实验证明该方法超过现有的基于文本和图的提取式摘要系统。

    May, 2024

  • 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

  • 利用图形提高抽象多文档摘要

    本文提出了一种神经抽象的文档多摘要模型，该模型利用文档之间的相似性图和话语图等知名图形表示来更有效地处理多个输入文档并生成抽象的摘要，其利用图形编码文档以捕捉跨文档关系，可以利用图形来指导摘要生成过程，结果表明该架构相比多个强基线带来了实质性的改进。

    May, 2020

  • 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

  • 基于语义表示的抽象摘要生成

    本文提出了一种新颖的抽象摘要框架，利用意义表示（AMR）的树库进行研究。在该框架中，源文本被解析为一组 AMR 图，该图被转换为摘要图，然后从摘要图生成文本。我们专注于图形到图形的转换，该转换将源语义图减少为摘要图，并利用现有的 AMR 解析器并假设最终可用 AMR-to-text 生成器。该框架具有数据驱动、可训练性和不特定于特定领域的特点。在金标准 AMR 注释和系统解析上进行的实验显示出有希望的结果。

    May, 2018

  • 基于异构图网络的常识知识引入抽象对话摘要

    该论文介绍了一种新型的多说话者对话摘要生成器，利用大规模的常识知识来促进对话理解和总结生成。实验表明我们的模型能够优化 SAMSum 数据集，并且也能够更好地适用于新领域的零样本实验。

    Oct, 2020