EMNLPOct, 2022

SentBS：用于可控摘要的句子级束搜索

PDF
TL;DR本文提出了一种基于句子级别的 beam search 方法的生成方法（SentBS），其中在生成过程中进行评估以选择适合后续生成的句子，旨在提高结构受控文本生成的效果，实验证明该方法可显著减少现有模型所遭受的约 68％的结构差异，并在结构控制的 MReD 数据集上取得了良好的效果。
structure-controlled summarizationsentence-level beam searchgeneration methoddecoding methodsmred dataset
发现论文，激发创造
  • 可控文本摘要：挑战、方法和前景的揭示 -- 一项综述

    总结特定用户的需要和意图，关注于开发更贴合特定目标和用户需求的文本摘要方法。最近的学术关注点转向了更可控的摘要方法的发展，但缺乏全面的调查来深入探索在这一背景下所使用的各种可控性方面或属性，并研究现有的解决方案。在本调查中，我们形式化了可控文本摘要任务，根据它们的共享特征和目标将可控性方面进行分类，并对每个类别中的现有方法和数据集进行了全面的研究。此外，根据我们的调查结果，我们发现了一些限制和研究空白，同时也探讨了 CTS 的潜在解决方案和未来发展方向。

    Nov, 2023

  • CTRLsum: 通用可控文本摘要

    CTRLsum 是一种用于可控摘要的新型框架，它能够使用户通过文本输入关键词或描述性提示来控制生成摘要的多个方面，在不需要额外人工注释或预定义训练期间的控制方面的情况下，在三个领域的摘要数据集和五种控制方面中得到量化证明，并在 CNN/DailyMail 数据集上取得了最先进的结果。

    Dec, 2020

  • 控制性文本压缩

    本文提出了一个新的任务 —— 可控文本减缓 —— 来产生内容一致的文本，该任务的目标是生成一个有针对性的概括，重点关注标记的内容，并借助有监督学习方法进行实现。

    Oct, 2022

  • 利用句间多样性束搜索减少视觉叙事中的冗余

    本篇研究提出了一种新的基于神经网络的视觉故事生成算法，使用基于序列的图像生成结果来避免文本中出现重复的描述同时提高表达能力。

    May, 2018

  • 面向主题控制的摘要生成评估和 Transformer 方法

    该研究提出了一种新的主题导向的评估度量方法，用于自动评估生成的摘要与所需主题之间的关联度，并验证了其可靠性，同时提出了将主题嵌入到模型架构中或使用控制标记引导摘要生成的简单而强大的主题可控摘要方法，实验结果表明控制标记比更复杂的嵌入式方法表现更好，并且速度明显更快。

    Jun, 2022

  • 具有草图监督的可控抽象对话摘要

    本文针对抽象对话摘要的质量和粒度控制问题，提出了一种包含两个主要组成部分和阶段的模型，实现了基于伪标注疑问代词类别和基于组成句法分析提取关键词短语生成初步摘要，并通过自动确定或控制源文本中不同文本片段预测和突出显示给定对话的生成摘要句子数量。在最大的对话摘要语料库 SAMSum 上表现出优越性能，达到了 50.79 的 ROUGE-L 评分，并展示了竞争性高的人类评估结果和可控制的效果。

    May, 2021

  • 探索可解释性选择以控制抽象摘要

    本篇研究发展了一个名为 ESCA 的模型，该模型通过开创性的选择 - 生成框架实现了文档摘要，能够以更好的性能应用于 CNN/Daily Mail 和 NYT50 等基准数据集。

    Apr, 2020

  • 可控抽象摘要

    本文提出了一种神经摘要模型，能够通过简单而有效的机制实现用户对文本长度、风格、感兴趣的实体等高级属性的控制，以生成符合用户需求的高质量摘要，并在 CNN-Dailymail 数据集上优于现有的自动化系统和人工评价。

    Nov, 2017

  • 摘要生成的推断时间风格控制

    本文提出了两种新的方法来帮助训练集较少的 Transformer 模型实现不同风格的文本摘要生成，分别为调节解码状态和词单元控制，实验结果表明，这两种方法均能够生成简明易懂的文本摘要，并且可以实现不同风格的转换。

    Apr, 2021

  • 自监督和可控多文档意见摘要

    本文介绍了一种自我训练的方法，使用控制代码通过 Transformer 架构将多条评论进行无监督抽象摘要，并通过人工评估表明，该方法生成的摘要具有更高的质量和相关性。

    Apr, 2020