Aug, 2022

超越文本生成：通过持续的自动文本摘要支持写手

PDF
TL;DR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。
text editorautomatic text summarizationuser studiesexternal perspectiveai tools for writers
发现论文，激发创造
  • 交互式文本摘要编辑

    通过 REVISE 框架，将神经网络模型及人工编辑相结合，使得文本摘要的过程个性化，协作化和自适应化。

    Jun, 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

  • 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

  • 利用自然语言处理实现文本摘要：叙事性文献综述

    本文是一篇关于使用自然语言处理技术生成简化版摘要的研究综述，发现基于 transformer 的方法如 BERT 和 PEGASUS 在生成 lay text summarisation 方面相对优秀，并建议采用抽取式和生成式相结合的混合方法，并开发一些新的评估指标以确保 lay summary 更易读。

    Mar, 2023

  • 自动人工智能互动文本生成

    本教程关注于文本生成，这是一类自然语言生成任务，它以一段文本作为输入，然后生成一篇按照某些特定标准（如可读性或语言风格）改进的修订版本，同时保留原版文本的大部分含义和长度。

    Oct, 2023

  • 图形元素摘要

    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。

    Apr, 2022

  • 建议列表与连续生成：基于生成模型的移动设备写作交互设计对文本长度、措辞和感知作者身份的影响

    本文探讨了人工智能在移动设备上写作的两种用户界面设计，通过一个被监督的在线研究得出，无论是使用连续生成文本的方式还是建议写作的方式人工智能在撰写过程中都会影响文本创作，但两种设计存在差异，需要在用户体验和用户输出方面做出不同的选择。

    Aug, 2022

  • 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

  • 数据到文本自动选择、跟踪和生成学习

    本文提出一种数据到文本生成模型，包含追踪模块和文本生成模块，能模拟人类的写作过程，在不需要作者信息的情况下就能在所有的评估度量中表现优异，结合作者信息可以进一步提高性能。

    Jul, 2019

  • 超越摘要：设计用于现实世界阐述写作任务的人工智能支持

    这篇文章讨论了开发面向说明性写作的 AI 辅助工具的挑战，描绘了这种写作的特征并提出了 AI 辅助组件的设计建议。

    Apr, 2023