Mar, 2023

XWikiGen：低资源语言百科文本生成的跨语言摘要

PDF
TL;DR本研究针对缺乏百科全书文本贡献者的问题，提出了一种基于多语言参考文章的跨语言多文档摘要生成任务，同时建立了一个基准数据集，并提出了一种基于神经网络的有监督和无监督摘要生成系统，实验表明多领域的训练要优于多语言的设置。
low resource languageswikipedia text generationcross-lingual multi-document summarizationneural unsupervised extractive summarizationneural abstractive model
发现论文，激发创造
  • WikiLingua：一种用于跨语言主旨提取的新基准数据集

    该研究介绍了 WikiLingua 项目，这是一个用于跨语言抽象摘要系统评估的大型多语种数据集。该数据集从 WikiHow 中提取出 18 种语言的文章和摘要对。研究者们使用图像对齐的方法为不同语言版本的文章与摘要建立起对应关系，并提出了一个使用合成数据和神经机器翻译的预训练方法进行直接跨语言摘要的方法，取得了显著的性能提升。

    Oct, 2020

  • X-SCITLDR：学术文献的跨语言极端摘要

    本研究填补了前人研究的空白，提出了一个多语种的学术领域摘要数据集，基于此我们能够训练和评估处理英语论文并生成德语、意大利语、汉语和日语摘要的模型，同时分析了在零样本和少样本情况下训练的性能。

    May, 2022

  • WikiMulti: 用于跨语言摘要的语料库

    介绍了基于维基百科 15 种语言文章的新日数据集 - WikiMulti， 用于跨语言摘要生成 (CLS) 任务，并在该数据集上评价了现有的跨语言抽象性摘要方法的性能。

    Apr, 2022

  • 跨语言摘要模型与数据集

    本文介绍了使用跨语言文献和维基百科创建的跨语言摘要语料库，在多种语言和方向上建立了多句子摘要数据。作者使用自动指标并进行人类研究，验证了所提出的跨语言摘要任务。最后，作者还用该数据集和多语言预训练模型进行了大量的实验证明其实用性。

    Feb, 2022

  • 跨语言摘要调查

    本研究针对跨语言摘要生成任务进行了全面的系统综述，涵盖数据集、方法和挑战等方面，以便为研究人员提供起点和新想法。

    Mar, 2022

  • 从 Wikidata 学习为少数语言生成维基百科摘要

    本文探讨如何使用 Wikidata 中的结构化数据来生成在 Wikipedia 贫穷语言中的开放领域概要。 为此，作者提出了一种神经网络结构，该结构配备有复制操作，可以学习从 Wikidata 三元组中生成单个句子和可理解的文本摘要。作者在阿拉伯语和世界语这两种不同特性的语言上对所提出的方法进行了评估，并证明了它的有效性。

    Mar, 2018

  • LR-Sum：面向资源匮乏语种的摘要生成

    LR-Sum 是一个使用创意共享许可证创建的包含 40 种语言的分别用于多语言新闻概要的数据集，旨在促进对低资源语言自动概括的进一步研究。本文描述了从 Multilingual Open Text 语料库中提取和筛选出该数据集的过程，同时讨论了该数据集的限制和用途。

    Dec, 2022

  • 跨语言摘要的自动数据检索

    英语到印地语的跨语种摘要涉及文本摘要转换为另一种语言。本研究的目标是通过匹配文字和视频格式中有新闻价值的事件的报道来进行英语到印地语的跨语种摘要，以帮助数据获取。我们通过分析数据并提出方法，将文章与视频描述匹配为文档和摘要对，并提出了过滤方法以确保摘要的正确性。此外，我们提供了 28583 个单语和跨语种的文章 - 摘要对，并在收集的数据上建立和分析了多个基准，并报告了错误分析。

    Dec, 2023

  • XL-Sum：针对 44 种语言的大规模多语言抽象摘要

    该研究介绍了一份名为 “XL-Sum” 的全面而多样化的数据集，其中包含来自 44 种语言的 100 万篇新闻文章及其摘要，旨在支持跨语言抽象文本摘要的未来研究工作，且在许多语言上可实现尤其高的 ROUGE-2 分数。

    Jun, 2021

  • 有限平行资源下的跨语言抽象摘要

    使用一种多任务框架和共享解码器的方法，跨语言摘要的跨语言资源匮乏问题得以解决，此方法名为 MCLAS。通过 MCLAS，实验表明其可以在有限的跨语言资源下，显著优于三种基准模型。

    May, 2021