EMNLPAug, 2021

SummerTime: 面向非专家的文本摘要工具包

PDF
TL;DRSummerTime 是一个用于文本摘要的完整工具包，包括各种模型，数据集和评估指标，可与 NLP 研究人员设计的库集成，并提供易于使用的 API，以定位和搜索自己数据中最佳模型，并可视化不同，同时提供解释以帮助用户了解模型的行为并选择最适合其需求的模型。
发现论文，激发创造
  • 摘要工作台：统一文本摘要模型的应用与评价

    本文介绍 Summary Workbench，这是一个用于开发和评估文本摘要模型的新工具，它可以轻松集成基于 Docker 的插件，以便针对任何输入检查其摘要质量并使用各种评估指标进行评估。

    Oct, 2022

  • SummVis: 文本摘要模型、数据、评估的交互可视化分析

    通过 SummVis 工具的词汇和语义可视化，可以进行对神经网络抽象文本摘要模型的深入探索和细致分析，帮助改善评估方法和数据分析工具的局限性。

    Apr, 2021

  • 超越文本生成：通过持续的自动文本摘要支持写手

    本文提出了一个文本编辑器，使用自动文本摘要为用户提供不断更新的逐段摘要，以边缘注释的方式帮助用户规划、结构化和反思写作过程。通过两个用户研究，作者发现这个系统为用户提供了一个外部的视角来帮助他们修改段落的内容和范围，并且帮助用户快速了解文本的总体情况和开发一些集成自动摘要中得到的见解的策略。通过探究和强调设计 AI 工具以帮助写作的价值，这项工作突显了自然语言处理 (NLP) 能够超越直接的文本生成和纠正。

    Aug, 2022

  • Summaformers @ LaySumm 20, LongSumm 20

    本文探讨了利用 Transformer-based 系统概括多领域科学研究论文的问题，并设计了两种不同类型的概述手段，即 LaySumm 和 LongSumm，使用 ROUGE 指标有效评估了本文系统的优越性。

    Jan, 2021

  • SummHelper：协作式人机摘要

    SummHelper 是一个 2 阶段的摘要化助手，旨在促进人机协作，通过内容选择和内容整合两个阶段，平衡自动化指导和个人输入的机会，并生成一份凝练有序的摘要。

    Aug, 2023

  • TempoSum：评估抽象化摘要的时间泛化能力

    本文研究了文本摘要模型的时态泛化能力和忠实度，并提出了新的基准测试集 TempoSum，对不同时间段的数据进行测试，发现现有的基准测试集可能依赖于事先的知识，不具有泛化能力，并且现有的忠实度提升方法对未来数据的忠实度提升是不可靠的。

    May, 2023

  • 神经文本摘要：一项关键评估

    评估标准数据集、评估指标、模型三方面存在的问题，提出了数据集自动采集、评估不足以反映人类判断、模型样本不足多样化等三个主要问题，导致长文本摘要进展不一。

    Aug, 2019

  • 临床试验证据自动摘要：一个突出当前挑战的原型

    TrialsSummarizer 是一个基于神经多文档摘要系统的自动摘要系统，它可以检索与查询指定的条件、干预和结果匹配的随机对照试验出版物，并对这些研究进行排名。它提供了两种体系结构：基于 BART 的标准序列到序列模型和旨在为最终用户提供更大透明度的多头体系结构。但是，这些模型都存在引入不受支持语句的倾向，不适用于当前领域。所提出的架构可以帮助用户验证输出，使用户能够将生成的令牌追溯到输入。

    Mar, 2023

  • 通过 ChatGPT 进行迭代文本摘要的 SummIt

    本文提出了一种基于大型语言模型的迭代式文本摘要框架 SummIt，它通过自我评估和反馈，利用上下文学习和主题提取器的支持，以人类起草和修订摘要的迭代过程近似地重新精炼生成的摘要，同时解决了一步摘要所存在的内容缺失和虚构问题，并通过三个基准摘要数据集的经验和质性分析以及人类评估验证了该框架的有效性和可能出现的超校正问题。

    May, 2023

  • SummEval: 重评摘要评估

    本文针对现有的缺陷和问题，提出了五个维度的解决方案，从而能够扩大文本摘要的评估标准，并且进一步研究出与人类判断更加相关的评价指标。

    Jul, 2020