ACLApr, 2022

EntSUM：面向实体的摘要数据集

PDF
TL;DR该研究提出了一个面向实体的可控摘要任务，并介绍了一个名为 EntSUM 的人工注释数据集，证明了现有的可控摘要方法无法生成实体为中心的摘要，提出了一种方法来改善此问题。
controllable summarizationentsumnamed entitiesentity-centric summariesstate-of-the-art summarization approaches
发现论文，激发创造
  • CTRLsum: 通用可控文本摘要

    CTRLsum 是一种用于可控摘要的新型框架，它能够使用户通过文本输入关键词或描述性提示来控制生成摘要的多个方面，在不需要额外人工注释或预定义训练期间的控制方面的情况下，在三个领域的摘要数据集和五种控制方面中得到量化证明，并在 CNN/DailyMail 数据集上取得了最先进的结果。

    Dec, 2020

  • 实体概述：现状和未来挑战

    本文综述了实体摘要技术的最新研究进展，探讨了现有方法的技术特征和框架，同时提出了未来研究方向。

    Oct, 2019

  • 可控抽象摘要

    本文提出了一种神经摘要模型，能够通过简单而有效的机制实现用户对文本长度、风格、感兴趣的实体等高级属性的控制，以生成符合用户需求的高质量摘要，并在 CNN-Dailymail 数据集上优于现有的自动化系统和人工评价。

    Nov, 2017

  • 可控文本摘要：挑战、方法和前景的揭示 -- 一项综述

    总结特定用户的需要和意图，关注于开发更贴合特定目标和用户需求的文本摘要方法。最近的学术关注点转向了更可控的摘要方法的发展，但缺乏全面的调查来深入探索在这一背景下所使用的各种可控性方面或属性，并研究现有的解决方案。在本调查中，我们形式化了可控文本摘要任务，根据它们的共享特征和目标将可控性方面进行分类，并对每个类别中的现有方法和数据集进行了全面的研究。此外，根据我们的调查结果，我们发现了一些限制和研究空白，同时也探讨了 CTS 的潜在解决方案和未来发展方向。

    Nov, 2023

  • SUMIE: 增量实体摘要的合成基准

    SUMIE 是一个完全合成的数据集，用于暴露现实世界的增量实体摘要挑战，验证了生成的摘要与段落之间的高质量一致性，该数据集难度高，先进的语言模型在更新摘要时的 F1 得分超过 80.4%。

    Jun, 2024

  • MACSum: 带有混合属性的可控总结

    本文提出了 MACSum，这是第一个混合属性的人工注释总结数据集，其包含两个领域的源文本，即新闻文章和对话，同时具有由五个设计属性（长度、提取性、特异性、主题和发音人）控制的人工注释总结。我们提出了两种简单有效的参数高效方法，即基于硬提示调优和软前缀调优的混合可控总结任务。结果和分析表明，硬提示模型在所有指标和人工评估中都具有最佳性能。但是，混合属性控制对总结任务仍然具有挑战性。

    Nov, 2022

  • 基于谓词匹配的实体摘要

    本文提出了一种名为 MPSUM 的方法来解决实体概括生成的问题，该方法使用概率主题模型并集成谓词唯一性和对象重要性的想法进行三元组排名，以生成简洁但代表性的实体概括。在使用 DBpedia 和 LinkedMDB 数据集进行对比实验后，结果表明我们的方法提高了实体概括的质量。

    May, 2020

  • ESBM: 实体概述基准

    本文创建了一个最大的可用基准测试方法 (ESBM)，以评估 9 个现有系统，考虑到所有这些系统都是无监督的，我们还实施和评估了一种基于监督学习的系统。该方法能够选择 RDF 数据中的子集来计算实体的最佳紧凑摘要，支持多种应用，并且已经得到了有益的研究。

    Mar, 2020

  • AgreeSum: 基于协同的多文档摘要

    我们在建立包含多篇文章的数据集基础上，对 MDS 任务的 AgreeSum 分支进行了研究，通过应用 PEGASUS 模型以及有监督的损失函数和 T5 模型的损失函数进行分析，实现了更好的摘要及其准确度。

    Jun, 2021

  • EmbSum：利用大型语言模型的摘要能力进行基于内容的推荐

    通过 EmbSum 框架的离线预计算和用户与候选项目之间的交互，利用预训练的编码器 - 解码器模型和 Poly-Attention 层，通过生成用户兴趣摘要从而计算用户和候选项目之间的相关得分，EmbSum 验证了其在两个不同领域的数据集上的有效性，超过了现有方法在准确性和参数数量上的优势，并能够生成用户兴趣摘要，提高了其用于个性化内容推荐的实用性。

    May, 2024