Sep, 2022

针对抽象式多文档摘要的文档感知位置编码和语言引导编码

PDF
TL;DR本文提出了一种新的多文档自动摘要模型，使用文档关系编码和基于语言指导的编码辅助 Transformer 模型来增强多文档摘要的质量，实验结果表明该模型可以生成高质量的自动摘要。
multi-document summarizationdocument relationspositional encodinglinguistic-guided encodingtransformer architecture
发现论文，激发创造
  • 用于抽象化多文档摘要的分层编码解码方案

    本研究提供了一种新的方法，通过采用编码器和解码器的分层方法来更好地利用预训练语言模型，以促进多文档任务的交互。大量实验表明，该方法可以在各种领域的 10 个多文档数据集上实现一致的提高，优于以前的最佳模型，并且甚至与某些具有额外多文档预训练或更大模型参数的模型相比具有更好的或竞争性的结果。

    May, 2023

  • 主题引导的抽象多文档摘要

    该论文提出了一种基于异构图和神经主题模型的抽象多文档摘要模型，采用图到序列的框架，同时训练主题和摘要模块以提高性能和生成高质量主题。

    Oct, 2021

  • Absformer: 基于 Transformer 的无监督多文档抽象摘要模型

    本文提出了一种新的基于 Transformer 的方法，称为 Absformer，旨在针对没有提供摘要总结的文档进行无监督的抽象式多文档摘要生成，并在现实世界的三个不同领域的数据集上进行了评估，结果表明该方法在评价指标方面取得了实质性的提高，并且具有从不同领域的数据集中泛化的优势。

    Jun, 2023

  • 利用图形提高抽象多文档摘要

    本文提出了一种神经抽象的文档多摘要模型，该模型利用文档之间的相似性图和话语图等知名图形表示来更有效地处理多个输入文档并生成抽象的摘要，其利用图形编码文档以捕捉跨文档关系，可以利用图形来指导摘要生成过程，结果表明该架构相比多个强基线带来了实质性的改进。

    May, 2020

  • 通过参考灵活提取和信用感知来提高多文档摘要

    本文提出一种通过提取 - 摘要 Transformer 框架解决多文档摘要中输入长度过长问题的方法，其中包括分层提取和摘要重写。通过权重和深度强化学习等机制建立了抽取 - 摘要模型，实现了在大型数据集 Multi-News，Multi-XScience 和 WikiCatSum 上具有最佳效果的模型。

    May, 2022

  • 非参数记忆引导的多文档摘要

    我们提出了一种用于摘要生成的检索引导模型，结合了非参数记忆。该模型使用近似最近邻搜索从数据库中检索相关的候选文本，然后利用复制机制和源文档生成摘要。我们在包括科学文章的 MultiXScience 数据集上评估了我们的方法，并讨论了我们的结果和未来工作的可能方向。

    Nov, 2023

  • 基于神经网络的抽象式多文档摘要生成方法研究

    本文针对多文档自动摘要问题，提出了一个基于小型多文档训练集的神经抽象模型 fine-tuning 方法，实证结果在两个基准 DUC 数据集上表现优异。

    Apr, 2018

  • 基于知识图谱中心视角的多文档科学摘要

    本文提出了 KGSum 多文档科学总结的模型，重点在于在编码和解码过程中使用知识图谱来实现内容和关系建模。经验证实验结果显示，相较于基准结果，该架构带来了显著的改进。

    Sep, 2022

  • 从单文档到多文档摘要生成的神经编码器 - 解码器框架改进

    本研究初步探讨一种新的方法，利用最大边际相关性方法从多文档输入中选择代表性句子，并利用抽象的编码器 - 解码器模型将不同的句子融合成概括性摘要。该适应方法自身鲁棒性良好且不需要训练数据。与自动指标和人工评估员评估的最先进的抽取和抽象方法相比，我们的系统表现出色。

    Aug, 2018

  • 抽象多文档摘要中的特异性解析

    本文提出了一种解决多文档摘要中忽略文档细节的问题的方法，通过从文档集中解开特定的内容并学习文档的特定表示，将特定信息与文档集表示结合，获得更全面的多文档摘要。

    May, 2024