本文介绍了自动新闻时间线摘要（TLS）的评估指标及方法并提出了最新的 TLR 数据集以及一种结合多种方法的简单而有效的策略，取得了比现有技术更好的结果。

May, 2020

本文提出了一种新的时间线概述方法，可以通过优化模型来评估每个日期的重要性和事件与子事件之间的相互依赖关系，并生成短文本概述，该方法与多文档概述不同，可以应用于长期事件，提供了一种新颖的时间线概述优化模型并提供开源实现。

Oct, 2018

这篇论文提出了一种基于强化学习的交互式时间轴摘要生成系统，利用复合奖励函数自动调整生成摘要的准确性、相干性和语言流畅性，避免个体用户的反馈，实现时间轴摘要生成的高准确性。

Nov, 2022

本论文提出了一种统一的时间轴摘要生成器 (UTS)，它可以按时间顺序生成抽象和抽取式时间轴摘要，其中图形事件编码器和事件级关注机制是关键组成部分，实现了最先进的性能水平。

Jan, 2023

利用自然语言处理算法，自动文本摘要旨在创建简明准确的摘要，从而显著减少处理大量文本所需的人力。本文综述了自动文本摘要的最新方法和基于大型语言模型的研究，以及以实际应用为导向的流程方案。此外，本文还填补了文献中两年的空白期，是首次特别研究基于大型语言模型的自动文本摘要方法。

Mar, 2024

本文采用生成对抗学习以及知识标签相结合的方法实现对多个历史文本文档中事件的时序生成。该方法可为历史学家提供极大帮助。

Jun, 2022

我们引入了临床意义的社交媒体用户时间线总结的新任务，适用于精神健康监测。我们开发了一种新颖的无监督抽象总结方法，生成由高层次信息和用户社交媒体时间线中与时间敏感证据相配套的双层总结。我们的方法的关键方法创新来自基于一种适应表示长文本的分层变分自动编码器（VAE）版本和由 LLM 注释的关键短语引导的时间线总结组件。通过自动评估和临床专家的人工评估，我们评估了我们的新型架构生成的总结，结果显示 TH-VAE 进行的时间线总结逻辑连贯，临床效用丰富，并且在捕捉时间变化方面优于仅使用 LLM 方法。

Jan, 2024

本文综述了自动文本摘要的研究现状及其评估方法，使用引用文献的方法考察各种摘要生成机制，同时对可用于摘要任务的数据集进行了广泛的回顾，并在 CNN 语料库数据集上进行了抽取和生成方法的实证研究。

Jan, 2023

构建时间线需要识别文章中事件的时间顺序。为了解决缺失时间信息的问题，我们开发了一个新的评估数据集 TimeSET，其中包含具有文档级顺序注释的单文档时间线。通过使用基于显著性的事件选择和部分排序，TimeSET 能够实现实用的注释工作负载。为了构建更好的自动时间线构建系统，我们提出了一个新的评估框架，通过提示开放式 LLMs（例如 Llama 2 和 Flan-T5）使用 TimeSET 来比较多个任务表述。考虑到识别事件的时间顺序是时间线构建中的核心子任务，我们还在现有的事件时间顺序数据集上对开放式 LLMs 进行了基准测试，以获得他们能力的稳健理解。我们的实验结果表明，（1）采用 Flan-T5 的 NLI 表述在其他表述中呈现出较强的性能，而（2）时间线构建和事件时间顺序仍然是少样本 LLMs 面临的挑战性任务。我们的代码和数据可以在此链接找到。

Mar, 2024

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