Jan, 2023

无监督广播新闻摘要：最大边际相关性（MMR）和潜在语义分析（LSA）的比较研究

PDF
TL;DR本研究探讨了两种无监督方法自动语音摘要的表现，使用了 LSA 和 MMR 这两种方法对波斯广播新闻的摘要进行了比较，结果表明 LSA 在通用摘要上优于 MMR，但在基于查询的摘要中，MMR 优于 LSA。
automatic speech summarizationsupervised methodsunsupervised methodslatent semantic analysismaximal marginal relevance
发现论文，激发创造
  • 利用语言引导的自监督视频摘要生成方法，考虑视频多样性的文本语义匹配

    通过使用大型语言模型作为引导，本文提出了一种新颖的自监督视频摘要框架，通过生成视频帧的字幕，并将其合成为文本摘要，衡量帧字幕和文本摘要之间的语义距离，最终选择与文本摘要相似的帧来生成摘要视频。该方法在视频摘要任务中取得了有竞争力的结果，并为视频摘要领域开辟了新的道路。

    May, 2024

  • 使用大型语言模型的端到端语音摘要

    提出了一种利用 Q-Former 作为音频 - 文本模态连接器、采用大型语言模型从语音特征直接生成文本摘要的端到端 SSum 模型，并采用多阶段训练方法来提高模型处理长篇语音的能力，最终在 How-2 数据集上取得了具有竞争力的性能。

    Jul, 2024

  • 文本摘要质量评估方法的比较研究

    基于大型语言模型的方法用于评估文本摘要，与人工评估相比，其结果接近，并且比常用的自动度量方法更一致。因此，我们提出了一种利用大型语言模型自动评估和改进文本摘要的框架，具有广泛的关注度。

    Jun, 2024

  • LaMSUM: 一种使用 LLMs 的用户生成内容抽取式摘要的新框架

    这项研究通过利用投票算法，提出了一种新的框架 LaMSUM，通过大型语言模型生成用户生成的文本的摘要，结果显示 LaMSUM 优于现有的提取式摘要方法，同时试图解释语言模型生成的摘要产生的原因。

    Jun, 2024

  • 将最先进的模型与最大边际相关性相结合，进行少样本和零样本的多文档摘要

    本篇论文主要研究如何使用最大边际相关性（MMR）结合深度学习方法以实现多文档摘要的 few-shot 或 zero-shot 应用，并在这种方法的基础上提出一个能够同时保证相关性和输出质量的新算法。

    Nov, 2022

  • 新闻摘要的大型语言模型基准测试

    通过对十种不同的预训练方法、提示和模型规模的大型语言模型进行人类评估，我们发现指导调整而不是模型规模是 LLM 的零样本摘要能力的关键，并通过从自由职业作家收集的高质量摘要进行人类评估，得出 LLM 摘要被认为与人类撰写的摘要相媲美的结论。

    Jan, 2023

  • MaLa-ASR: 多媒体辅助的基于 LLM 的 ASR

    提出了基于 LLM 的 ASR 模型 MaLa-ASR，可以整合从演示文稿中提取的文本关键词来提高会议内容的识别率，通过在输入提示中添加关键词，可将有偏差的词错误率（B-WER）相对减少 46.0％和 44.2％，在该数据集上取得了新的 SOTA。

    Jun, 2024

  • 多句压缩与预算次模最大化的无监督抽象会议摘要

    我们提出了一种新颖的基于图形的框架，用于摘要会议演讲，完全不需要监督和任何注释。我们的工作结合了多种最近的方法的优点，同时解决了它们的弱点。此外，我们利用最近在 NLP 中应用的字嵌入和图形退化的进展，考虑外部语义知识，并设计了自定义的多样性和信息量度量。在 AMI 和 ICSI 语料库上的实验表明，我们的系统改进了现有技术水平。代码和数据可公开获取，我们的系统可以交互式测试。

    May, 2018

  • 基于最大边际相关性引导的强化学习的多文档摘要

    提出了 RL-MMR，一种将最大边际相关引导的强化学习与传统多文档摘要统计测量方法相结合的方法，以解决多文档摘要中的搜索空间问题和信息冗余问题，取得了最佳表现。

    Sep, 2020

  • 通过关联改写视角评估零样本主动摘要的 LLM 模型

    通过评估大型语言模型对原始和扰动数据集上的摘要性能，我们使用关联改写方法来测量大型语言模型作为摘要器的稳健性，并发现大型语言模型对于扰动文章的摘要结果不一致，需要进一步改进。

    Jun, 2024