Apr, 2022

图形元素摘要

PDF
TL;DR自动文本摘要在近年来取得了实质性的进展。Ter Hoeve 等认为自动摘要生成的类型与用户需求不符，推荐增加更多图形元素。基于这个任务，我们提出了摘要与图形元素结合的新任务，并验证这些摘要对大众有助益。我们收集了一个高质量的人工标注数据集，提供基线模型表明该任务是有趣和具有挑战性的。希望这项工作能够在自动摘要社区中引起新的研究线路。
发现论文，激发创造
  • 自动文摘研究中如何融入用户视角生成一份好的文摘

    本文通过问卷调查的方式，针对大学生这个用户群体，探究了自动生成文本摘要当前的研究方向与用户需求之间的差距，并提出了相关建议，以期能够改善未来自动文本摘要研究中的这一不匹配。

    Dec, 2020

  • 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

  • 自动文本摘要方法：综述

    本文详细介绍了文本摘要的各种方法，包括提取和抽象两种途径，评估指标、基准数据集与未来的研究展望，并讨论了生成摘要的不同评估方法与相关研究中可能出现的挑战和研究机遇。

    Mar, 2022

  • ChartSumm: 长短汇总自动图表概括的综合基准

    本文介绍了 ChartSumm 数据集，它是一个大规模的基准数据集，由 84,363 个图表及其元数据和描述组成，涵盖了各种主题和图表类型。该数据集可用于生成短和长的摘要，用以提供给视障人士以及为其他数据驱动模型的训练提供基础。通过使用 ChartSumm 数据集进行大量实验，发现仍有调查的空间，如资料遗漏，产生幻觉，以及对图表中复杂趋势的不恰当解释。作者研究了扩展 ChartSumm 数据集以适用于其他语言的潜力，这使我们的数据集成为未来研究的有挑战性的基准。

    Apr, 2023

  • 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

  • 通过摘要对偶和显式大纲控制增强生成

    提出了一种基于总结增强的两阶段生成框架，并提出了一种新颖的显式概要控制方法，用于更有效地利用生成的概要。

    May, 2023

  • 基于神经网络的摘要生成方法调研

    本文综述了近期在基于神经网络的自动文本摘要中的十种最先进的神经网络模型，其中包括五种生成式模型和五种抽取式模型，并讨论了应用于摘要任务的相关技术和未来研究的有前途的方向。

    Mar, 2018

  • 文本摘要技术：简要调查

    本文综述了自动文本摘要的主要方法和不同过程，描述了不同方法的有效性和缺点，以期将海量的文本数据高效地提炼出信息和知识。

    Jul, 2017

  • 文本摘要中人工智能交互设计空间的映射

    本文旨在从以人为中心的角度出发，探讨在自动文本摘要系统中人们在与 AI 交互时的角色、经验和需求，设计文本摘要原型来帮助用户理解他们与 AI 的关系，进而提出设计上的考虑，以期提高用户体验。

    Jun, 2022

  • 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