EMNLPSep, 2021

面向主题感知的对比学习用于抽象式对话摘要

PDF
TL;DR通过引入一种叫做对比学习的技术来解决对话总结中信息分散和主题变化的挑战，该方法使用了两个具体的辅助任务 (coherence detection 和 sub-summary generation)，在基于原始对话总结任务上取得了最优性能，显著超过强基准模型。
dialogue summarizationcontrastive learningcoherence detectionsub-summary generationtopic change
发现论文，激发创造
  • 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

  • CLIFF: 用对比学习提高摘要的忠实度和事实性

    通过对比学习和负样本生成，提出一个能够生成与给定文章相符的抽象摘要的方法，并使用 QA 验证和人类评判证明其能够更准确地反映事实。

    Sep, 2021

  • 文本摘要的序列级对比学习

    本文提出了一种对比学习模型，用于文本摘要的有监督抽象，通过将文档、其黄金摘要和模型生成的摘要视为同一平均表示的不同视图，并在训练过程中最大化它们之间的相似性，从而改进了强序列到序列的文本生成模型（即 BART）。人类评估也显示，我们的模型与没有对比目标的对应模型相比，实现了更好的忠实度评分。

    Sep, 2021

  • 论文题目：基于指代消解的对话摘要

    研究神经方法在抽象对话摘要模型中显式地结合指代信息的不同方法来解决对话中的核心参照问题，发现这样的模型在追踪对话过程中的信息流和关联与对应的讲话者和人物提及方面需要更准确且精确。

    Jun, 2021

  • 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

  • 抽象化对话摘要分类：情景、方法与未来方向

    调查了目前存在的抽象对话总结的工作，包括输入对话的类型、途径、评估等，并列出了在不同情景下的数据集和常用的评估度量，分析了趋势和未来发展方向。

    Oct, 2022

  • CONFIT：基于语言学对比微调的忠实对话摘要

    通过 ConFiT 训练方法及一系列的模块化目标来改善抽象型对话摘要的事实准确性，最终生成的摘要数据质量得到了显著提高。

    Dec, 2021

  • 面向主题的指针生成网络用于口语对话摘要

    为了更好地总结对话内容，我们提出了一种基于主题感知结构的指针生成器模型，该模型在使用具有层次结构的主题信息进行适应的同时，在提取和生成方面展现了卓越的性能。

    Oct, 2019

  • 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

  • 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