May, 2023

QTSumm：面向查询的表格摘要新基准

PDF
TL;DR本研究定义了一个新的针对查询的表格摘要任务，并提出了一个新的名为 QTSumm 的基准测试，其中包含 5625 个在各种主题的 2437 个表格上人工注释的查询摘要对。实验结果和手动分析表明，我们的基准测试为未来的表格到文本生成研究提供了重要挑战和发展机会。
table summarizationtext generationqtsummquery-focuseddata analysis
发现论文，激发创造
  • QFMTS: 生成多表输入的查询关注摘要

    我们提出了一种新方法来满足用户对表格总结的信息和质量要求，并且利用文本查询和多个表格生成与用户信息需求相适应的查询依赖的表格总结。我们通过使用特定于该任务的综合数据集展开了广泛的实验证明了我们提出的方法相对于基准方法的有效性，并为查询依赖的多表总结的研究进展提供了洞察。

    May, 2024

  • 对话式搜索中表格数据的总结和探索

    本文提出一种基于自然语言摘要的表格信息检索方法，并利用一个新的以对话为导向、面向开放领域的表格摘要数据集来构建 SOTA 基线系统，并指出了未来研究方向和挑战。

    May, 2020

  • 长文本和多表总结：数据集和方法

    旨在创造简明摘要以涵盖输入文档的要点信息。自动文档摘要对文本和非文本内容进行了讨论，提出了涵盖定量描述的关键指标的表格数据的重要性，提出了一个大规模数据集和三种摘要方法，还评估了评估指标

    Feb, 2023

  • 基于查询的文本摘要综述

    研究旨在对基于查询和通用文本汇总方法的有趣工作进行概述，并提供相关领域的分类分析。

    Sep, 2022

  • 文本 - 元组 - 表：通过全局元组提取实现文本到表生成中的信息整合

    本论文介绍了 LiveSum，这是一个用于根据实时评论文本生成比赛摘要表格的新基准数据集。该论文评估了最先进的大型语言模型在这项任务中的性能，并提出了一种名为 $T^3$（文本 - 元组 - 表格）的新型流水线来改善性能。实验证明，即使在微调之后，大型语言模型在这项任务中仍然遇到困难，而我们的方法可以在没有显式训练的情况下获得显著的性能增益。进一步的分析表明，我们的方法具有较强的泛化能力，超过了以前的一些文本到表格数据集的方法。

    Apr, 2024

  • ChartSumm: 长短汇总自动图表概括的综合基准

    本文介绍了 ChartSumm 数据集，它是一个大规模的基准数据集，由 84,363 个图表及其元数据和描述组成，涵盖了各种主题和图表类型。该数据集可用于生成短和长的摘要，用以提供给视障人士以及为其他数据驱动模型的训练提供基础。通过使用 ChartSumm 数据集进行大量实验，发现仍有调查的空间，如资料遗漏，产生幻觉，以及对图表中复杂趋势的不恰当解释。作者研究了扩展 ChartSumm 数据集以适用于其他语言的潜力，这使我们的数据集成为未来研究的有挑战性的基准。

    Apr, 2023

  • 贝叶斯查询聚焦摘要

    BayeSum 是一种基于贝叶斯模型的用于句子提取的模型，可以利用多个相关文档来增强查询词信息，处理短查询不足问题，并得到了最先进的结果，在信息检索框架中可以被理解为一种验证的查询扩展技术。

    Jul, 2009

  • Text2Analysis: 具有高级数据分析和不明确查询的表格问答基准

    通过开发 Text2Analysis 基准和创新的注释方法，我们展示了在表格数据分析领域中大规模语言模型的潜力，以推动进一步的研究机会。

    Dec, 2023

  • AttSum: 神经注意力机制的聚焦和摘要联合学习

    AttSum 是一种新的自动学习分布式表示和应用注意力机制的查询聚焦式文本摘要系统，并在标准基准数据集上取得了较好的性能。

    Apr, 2016

  • 无标签主题聚焦摘要生成的查询增强

    这项研究介绍了一种新的方法，增强型查询摘要（AQS），用于针对主题的摘要，无需大量标记数据集，利用查询扩展和分层聚类。通过 real-world 测试，我们的方法展示了生成相关和准确的摘要的能力，显示其在数据丰富环境中作为一种经济高效的解决方案的潜力，为主题聚焦摘要技术领域中的更广泛应用和可访问性铺平了道路，提供了一种可扩展的、高效的个性化内容提取方法。

    Apr, 2024