Nov, 2022

MACSum: 带有混合属性的可控总结

PDF
TL;DR本文提出了 MACSum，这是第一个混合属性的人工注释总结数据集，其包含两个领域的源文本，即新闻文章和对话，同时具有由五个设计属性（长度、提取性、特异性、主题和发音人）控制的人工注释总结。我们提出了两种简单有效的参数高效方法，即基于硬提示调优和软前缀调优的混合可控总结任务。结果和分析表明，硬提示模型在所有指标和人工评估中都具有最佳性能。但是，混合属性控制对总结任务仍然具有挑战性。
controllable summarizationmixed attributeshuman-annotated summarization datasethard prompt tuningsoft prefix tuning
发现论文，激发创造
  • 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

  • 受限马尔科夫决策过程控制的摘要

    本研究通过引入基于约束马尔可夫决策过程（CMDP）的训练框架，允许用户对生成的摘要进行特定属性（例如长度限制）的控制，该框架旨在通过奖励函数和一组约束来提高摘要生成的可控性。实验结果表明，我们的 CMDP 框架有助于生成具有信息量的摘要，并符合用户对属性的要求。

    Aug, 2021

  • 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

  • ATLAS：基于属性控制的提升摘要功能

    ATLAS 是一种新颖的主动摘要方法，可以使用有针对性的控制属性来控制生成摘要的整体 “浅显易懂” 性，它在生物医学科普摘要数据集上表现优于现有基准模型，并通过附加分析验证了所选可控属性的区分力和新兴影响的有效性。

    Jun, 2024

  • 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

  • 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

  • EntSUM：面向实体的摘要数据集

    该研究提出了一个面向实体的可控摘要任务，并介绍了一个名为 EntSUM 的人工注释数据集，证明了现有的可控摘要方法无法生成实体为中心的摘要，提出了一种方法来改善此问题。

    Apr, 2022

  • 可控观点摘要

    本论文提出了一种基于方面查询的定制摘要生成方法，使用多示例学习模型诱导的方面控制器创建 (review,summary) 对的合成训练数据集，通过微调预训练模型，生成修改方面控制器的方面特定摘要。在两个基准测试中，我们的模型表现优于先前的技术水平，并通过控制讨论的方面数量生成个性化摘要。

    Sep, 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

  • ACM—— 用于抽象化多文档摘要的属性调节

    本文提出了 ACM，一种属性条件化的多文档摘要方法，该方法在解决多篇文档信息合成和提取显著信息的问题时，通过引入属性条件化模块来消除对于一个特定主题可能存在的情感、偏见或主观信息的冲突，相较于其他基线模型具有更好的 ROUGE 得分和更高的，流畅性、信息量以及减少重复性等优点，在人工标注分析研究中也得到了验证。

    May, 2022