SIGIRMay, 2022

利用对比学习进行面向目标的抽象相关工作生成

PDF
TL;DR本文提出了一种基于目标感知的抽象关联工作生成器（TAG），该生成器可以生成包含新句子的相关工作部分，通过目标中心化的注意机制，建模参考文献和目标论文之间的关系，并使用具有语义指示器的关键词短语考虑不同级别图的节点，在多级对比优化目标的指导下生成更具信息量的相关工作。通过在两个公共学者数据集上的广泛实验，表明所提出的模型在自动和定制化的人类评估方面比几个强基线模型都有实质性的改进。
发现论文，激发创造
  • 相关工作和引文生成：一项调研

    文献综述、相关工作生成、自然语言处理、NLP 模型、挑战

    Apr, 2024

  • CORWA: 一个基于引用关系的相关工作注释数据集

    本文介绍了一个基于语言学的相关工作自动生成框架，包括引入一个标注数据集 CORWA 和训练一个基于此标注数据集的强基线模型，并建议了一种新颖的循环抽象与人工参与的相关工作生成框架。

    May, 2022

  • 自动生成相关工作：一项元研究

    此篇综述介绍了如何通过自然语言处理实现学术研究中 “Related Work” 部分的自动生成和如何将相关研究进行比较和未来展望。

    Jan, 2022

  • 抽象相关工作生成的因果干预

    通过引入因果干预模块（CaM）识别文本生成过程中的因果关系，从而提高生成的相关作品的质量和连贯性。

    May, 2023

  • OARelatedWork：一种来自开放获取资源的大规模相关工作段落全文数据集

    该论文介绍了 OARelatedWork，这是第一个大规模的多文档摘要数据集，用于相关工作生成，包含整个相关工作部分和引用论文的全文。该数据集包括 94450 篇论文和 5824689 篇独特引用的论文。它旨在自动生成相关工作，将该领域从仅从摘要生成相关工作部分的抽象方法转向从所有可用内容生成整个相关工作部分的方式。当使用全文而不是摘要时，我们发现提取式摘要的 ROUGE-2 得分上限增加 217%。此外，我们展示了全文数据对于基线模型（如 naive、oracle、traditional 和基于 transformer 的模型）的好处。长文本输出（如相关工作部分）对于像 BERTScore 这样的自动评估指标会带来挑战，因为其输入长度有限。我们通过提出和评估使用 BERTScore 的元度量来解决这个问题。尽管操作的是较小的块，但我们证明这个元度量与人类判断具有相当的相关性，与原始的 BERTScore 相当。

    May, 2024

  • 基于联合上下文驱动关注机制的神经网络相关工作总结

    这篇论文提出了一种基于神经网络的自动文献摘要生成方法，使用 seq2seq 模型和上下文感知机制，同时考虑全文和参考文献的异构关系，以保持相关工作部分和目标文献的主题连贯性，并在大规模数据集上获得了优越的实验结果。

    Jan, 2019

  • TWAG：一个主题导向的维基百科摘要生成器

    本研究提出了一种两阶段模型 TWAG，结合语义信息引导 Wikipedia 摘要生成，通过不同话题的检测及主题分布预测及构建提出 topic-aware representations 即可生成全面的摘要。

    Jun, 2021

  • 将读者评论纳入抽象文本摘要

    本文介绍了一种采用读者评论辅助生成 “主要方面” 摘要的方法 —— 读者感知的生成式摘要。使用对抗思想和神经网络框架，作者提出了一个名为 RASG 的模型，该模型克服了评论的非正式和嘈杂的挑战，并取得了表现优异的成果。

    Dec, 2018

  • 生成引文文本的上下文化处理

    提出一种对引文文本生成任务的简单修改方法，将生成目标扩展到整个上下文窗口，包括目标引文，实验结果表明，这种训练方式受到人类读者的青睐，并使生成模型能够利用关于讨论主题和立场的上下文线索。

    Feb, 2024

  • GPT 生成文本中对知识的浅层综合：自动关联工作组成的案例研究

    通过分析引文图，我们评估了人工智能辅助学术写作，并发现 GPT-4 在支持人类用户的构思方面能够生成合理的粗粒度引文组合，但在没有人为干预的情况下无法进行详细的相关工作综合。因此，我们建议未来的写作助手工具不应独立撰写文本。

    Feb, 2024