Apr, 2022

知识感知文档摘要：知识、嵌入方法和架构综述

PDF
TL;DR本文是第一个系统调查将知识嵌入到文档摘要生成器中的最新方法的论文，现在知识已成为自然语言处理应用程序中的焦点，先前的工作表明，嵌入式知识文档摘要生成器在生成信息、连贯性和事实一致性方面表现卓越，我们进一步研究嵌入深度学习模型的嵌入学习体系结构如何生成嵌入的，最后讨论这个主题的挑战和未来方向。
发现论文，激发创造
  • KATSum: 知识感知抽象文本摘要

    本文提出了一种基于知识图谱的抽象文本摘要模型（Knowledge-aware Abstractive Text Summarization），其利用源文本中提取的知识图谱三元组来提供具有关系信息的关键词，生成连贯且无误差的摘要，试验表明，该框架可以有效利用知识图谱的信息，显著减少摘要中的事实错误。

    Dec, 2022

  • 探究基于查询的会议摘要的一致性：不同嵌入方法的比较研究

    文本摘要是自然语言处理领域的一个著名应用，可以自动根据给定的上下文生成带有重要信息的摘要，特别适用于会议总结等多主题、多人参与的长篇文档。我们提出了 Locater 模型用于提取有关片段，然后通过 Summarizer 模型进行总结，并应用不同的词嵌入技术进行了比较研究以提高摘要的一致性。

    Feb, 2024

  • 文档摘要：应用于关键词提取和图像检索的论文

    自动摘要是降低文本文档长度的过程，以生成概述，保留原始文档的最重要的要点。我们通过推荐图像和生成包含关联和情感的意见摘要，研究了两个问题。我们使用概率模型和词相似性启发式方法生成图像标题和提取关键短语，并借助相关反馈机制重新排序这些关键短语。我们使用 Rank Aggregation 和相关反馈方法来改进图像检索，同时我们还提出一组子模复杂函数用于意见摘要，以平衡压缩需求和情感检测需求，生成和文档情感和摘要情感之间有良好相关性且 ROUGE 得分优秀的摘要。我们还比较了所提出的子模复杂函数的性能。

    May, 2024

  • 基于句子和单词提取的神经摘要

    论文提出了一种基于神经网络和连续句子特征的数据驱动型抽取式摘要方法，采用层级文档编码器和基于注意力机制的提取器的通用框架，能够训练不同的摘要模型（提取句子或单词），在大规模语料库上进行实验结果表明，该方法在不需要语言注解的情况下取得了与现有技术相当的效果。

    Mar, 2016

  • 抽取式知识图谱摘要的调查：应用、方法、评估和未来方向

    知识图谱（Knowledge Graphs）的持续增长使得抽取式知识图谱（extractive KG summarization）成为一个热门的任务。本论文首次对其应用进行了系统概述，并从跨学科研究的角度定义了现有方法的分类学。基于我们的广泛和比较性的回顾，我们还提出了未来的研究方向。

    Feb, 2024

  • 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

  • 机器学习中知识与数据的融合

    该研究总结和分析了现有文献，确定了研究空白和未来机遇。知识嵌入和知识发现是整合知识和数据的两种重要方法，结合知识嵌入和知识发现形成一个闭环的知识生成和使用，可以提高模型的鲁棒性和准确性，并发现之前未知的科学原理。

    Feb, 2022

  • KLearn: 从总结数据中推断出背景知识

    本文研究了文本摘要中的背景知识，提出了一种技术来推断摘要数据中的背景知识，设计了能够明确建模背景知识的摘要评分函数，并证明这些函数显著地适合人类判断。

    Oct, 2020

  • 注意事实：知识增强的连贯抽象文本摘要

    本文提出了一种新颖的基于 Transformer 编码器 - 解码器结构的体系结构，通过将实体级知识与来自 Wikidata 的结构全球知识结合，改善了摘要不够准确和连贯的问题，实验证明该模型对长文本摘要具有较好的 ROUGE 分数的提高效果。

    Jun, 2020

  • 多文档摘要的分层 Transformer

    本文提出了一种神经网络归纳模型，能够有效地处理多个输入文档，并利用 Transformers 架构对文档进行层次编码，通过注意力机制来表示跨文档之间的关系，并学习文本单元之间的潜在依赖关系，在 Wikisum 数据集上的实验证明，所提出的架构比数个强基线模型都有明显的改进。

    May, 2019