ACLJun, 2021

TWAG：一个主题导向的维基百科摘要生成器

PDF
TL;DR本研究提出了一种两阶段模型 TWAG，结合语义信息引导 Wikipedia 摘要生成，通过不同话题的检测及主题分布预测及构建提出 topic-aware representations 即可生成全面的摘要。
wikipedia abstractmulti-document summarizationtopic-aware representationspointer-generator networktwag
发现论文，激发创造
  • 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

  • 利用对比学习进行面向目标的抽象相关工作生成

    本文提出了一种基于目标感知的抽象关联工作生成器（TAG），该生成器可以生成包含新句子的相关工作部分，通过目标中心化的注意机制，建模参考文献和目标论文之间的关系，并使用具有语义指示器的关键词短语考虑不同级别图的节点，在多级对比优化目标的指导下生成更具信息量的相关工作。通过在两个公共学者数据集上的广泛实验，表明所提出的模型在自动和定制化的人类评估方面比几个强基线模型都有实质性的改进。

    May, 2022

  • 基于神经网络的观点和论证摘要生成

    用基于注意力机制的神经网络模型，依据重要性进行采样的方法，生成更优于现有方法的电影评论和争论的摘要。

    Jun, 2016

  • 文本摘要中的抽象化改进

    提出使用上下文相关网络和预训练的语言模型来提高抽象文本摘要的生成水平和使用新颖度度量来优化生成的摘要，从而实现比现有方法更高水平的摘要生成。

    Aug, 2018

  • 通过长序列摘要生成维基百科

    通过抽取式摘要识别重要信息并使用神经摘要模型生成文章及段落以及整个维基百科文章，特别是引入可扩展关注长序列的仅解码器结构，当给定参考文献时，该模型可以提取相关的事实信息。

    Jan, 2018

  • KATSum: 知识感知抽象文本摘要

    本文提出了一种基于知识图谱的抽象文本摘要模型（Knowledge-aware Abstractive Text Summarization），其利用源文本中提取的知识图谱三元组来提供具有关系信息的关键词，生成连贯且无误差的摘要，试验表明，该框架可以有效利用知识图谱的信息，显著减少摘要中的事实错误。

    Dec, 2022

  • 基于知识选择的主题到文章生成

    通过引入富语义知识的内容选择模块和改进的前缀调整方法，提出了一种新型的复制机制模型，用于改进语义相干性、生成多样性和主题一致性，并且在 TGE 任务上的实验结果表明，与现有方法相比，提出的模型可以提高生成文本的多样性 35％至 59％，同时保持高水平的主题一致性。

    Feb, 2024

  • 通过引导注意力来提高指针网络的生成质量

    本文指出指针生成网络在生成摘要方面存在的提取性和事实准确性不足，并通过附加传统语言信息来纠正这些缺陷，以提高生成效果。

    Jan, 2019

  • 一种新的从容提取摘要的方法

    本研究提出一种新方法，通过生成多个变体的目标摘要，这些摘要具有不同的内容和不同的长度，并根据用户的需要进行评分和选择，该方法可用于控制摘要长度，从而实现最佳的信息概括，保证真实性并确保流畅。

    Apr, 2021

  • 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