EMNLPAug, 2021

CSDS：面向客服对话摘要的细粒度中文数据集

PDF
TL;DR本研究介绍了一个新的用于客服对话摘要的中文数据集 ——CSDS，通过生成整个对话的总体摘要和角色导向的摘要来改进摘要。实验证明，现有的方法在生成冗余和不连贯摘要方面容易出现问题，而本数据集的作用是为了为中文对话摘要提供一个基准，并且有望惠及进一步的研究。
dialogue summarizationcustomer servicechinese datasetrole-oriented summariestopic-level structure
发现论文，激发创造
  • 面向客户服务的面向主题的口语对话摘要与关键词感知主题建模

    本文提出了一种基于主题增强的两阶段对话摘要生成器并结合注意力感知神经主题模型 (SATM) 来进行主题定向对话摘要，展示了其在客户服务数据集上的优越性。

    Dec, 2020

  • TWEETSUMM -- 面向客服的对话摘要数据集

    这篇论文介绍了一种自动化客服聊天总结的方法，其中利用了一个大规模的客户支持对话总结数据集和一种针对对话的无监督式提取性总结方法。

    Nov, 2021

  • DialogSum：一个真实场景下的对话摘要数据集

    提出了 DialogSum，一种大规模标注的对话摘要数据集，通过对该数据集使用最先进的神经摘要器进行经验分析，结果表明对话摘要中存在诸如口语术语、特殊话语结构、代词和省略、语用学和社会常识等独特挑战，需要特定的表示学习技术来更好地处理。

    May, 2021

  • TODSum: 带状态跟踪的任务导向对话摘要

    本文介绍了一个大型的任务导向对话摘要数据集 (TODSum)，并提出了一种基于对话状态的结构化对话摘要模型来提高生成摘要的忠实度，证明了对话结构引导的有效性，并讨论了 TODSum 的当前问题和未来的发展方向。

    Oct, 2021

  • 高质量伪标签选择的半监督对话抽象摘要生成

    采用 SiCF 得分，选择具有高质量生成摘要的无标签对话进行培训，在三个公开数据集上的全面实验表明 SiCF 得分在不确定性估计和对话摘要的半监督学习任务中的有效性。

    Mar, 2024

  • 对话自动摘要研究综述：新进展和新领域

    对话摘要化是将原始对话压缩成涵盖重要信息的短版，用于减轻对话数据负载，本研究从多个领域（包括会议，聊天，电子邮件，客户服务和医疗对话）全面系统地调查了对话摘要化的现状和研究进展，包括可用于研究数据集的总览和两个排行榜，并提出了一些未来的研究方向，如忠实度、多模态、多领域和多语言对话摘要化。

    Jul, 2021

  • LCSTS: 一个大型的中文短文本摘要数据集

    本文介绍了一个由新浪微博构建的大型中文短文本摘要数据集，包含超过 200 万条中文短文本和对应的短摘要，并通过该数据集引入了基于递归神经网络的摘要生成方法，取得了良好的效果，该方法不仅显示了所提出数据集在短文本摘要研究中的有用性，也为后续研究提供了基线。

    Jun, 2015

  • VCSUM：一个多用途的中文会议摘要数据集

    本研究介绍了一个全面的中文会议记录数据集 (VCSum)，包含 239 个真实会议的记录，总时长超过 230 小时，并提供了主题分割、标题、段落摘要、总结摘要和关键语句的注释。研究分析确认了该数据集在会议记录摘要方面的有效性和稳健性，并提供了一组关于 VCSum 不同 downstream 摘要任务的基准模型，以促进进一步研究。

    May, 2023

  • CADS: 抽象对话概括的挑战的系统文献综述

    通过系统性地回顾 2019 年至 2024 年间发表的 1262 篇独特研究论文，本文总结了基于 Transformer 的英语对话抽象总结的研究，并涵盖了对话总结中的主要挑战和相应的技术，例如基于图的方法、额外的训练任务和计划策略。虽然一些挑战，如语言，已经取得了相当大的进展，但其他一些挑战，如理解、准确性和显著性，仍然困难，具有重要的研究机会。

    Jun, 2024

  • 使用查询聚合的指导性对话摘要

    通过引入指导训练到对话中，我们提出了一种三步方法来合成高质量的基于查询的摘要三元组。通过在三个摘要数据集上训练统一模型 InstructDS，我们扩展了对话摘要模型的能力，并在人类主观评估中得到了更高的泛化能力和忠实度。

    Oct, 2023