该研究论文阐述了一种基于 Key Point Analysis 的评论归纳与总结方法，融合了情感分析、收集关键点挖掘、候选关键点识别等一系列技术手段，证明了该方法可以在无需特定领域注释的情况下取得良好的结果，并可以通过人工监督进一步提升性能。

Jun, 2021

社交媒体平台的扩散导致了在线辩论和争论的增加，因此迫切需要针对此类辩论的自动摘要方法，然而该领域的研究相对较少。本文介绍了一种新颖的针对关键点生成的抽取性方法，该方法在该任务中优于先前的最先进方法。我们的方法利用一种基于抽取聚类的方法生成简练、高质量的关键点，具有更高的参考摘要覆盖率和较少的冗余输出。此外，我们表明现有的 ROUGE 等摘要评估指标无法区分不同质量的生成关键点，为此，我们提出了一种用于评估生成关键点覆盖率的新评估指标。我们的代码可以在线访问。

Apr, 2024

提出了一种基于神经主题建模的两步抽象汇总框架来生成与人类认同的关键点，并使用新颖的基于集合的评估工具包评估生成关键点的质量。结果表明，该框架在关键点分析方面的性能提高了 14 个百分点，同时评估指标也比 ROUGE 得分更符合人类判断。

May, 2023

Key Point Analysis, a novel approach for argument mining using pairwise generation and graph partitioning, surpasses previous models and achieves improved results on both the ArgKP and QAM datasets.

Apr, 2024

本文提出了一种自动抽取关键点用于多文档摘要的方法，该方法能够实现专家级别的分析性能，并且不仅适用于论证分析，还可以应用于民意调查和用户评论等领域，并且在论证 - 关键点匹配模型的评价上取得了显著的改善。

Oct, 2020

本文提出了将大量讨论中的摘要表示为少量关键点的想法，并根据其显著性对每个关键点进行评分。通过分析大型数据集及实验结果表明，针对一个特定话题，少量关键点通常足以涵盖绝大部分的讨论内容，同时也发现领域专家通常可以提前预测这些关键点。文章探讨了将论点到关键点的映射任务，并引入了一个新的大型数据集，通过在该数据集上进行一系列实验，报告了有希望的表现。

May, 2020

本文提出了一种新的端到端学习框架 UniKeyphrase，通过堆叠关系层和词袋约束来充分利用模型结构和训练过程中的潜在语义关系，能够更好地预测关键短语，实验结果表明，这种联合方法在关键短语预测上比主流方法表现更好。

Jun, 2021

通过介绍多个方面的多样性，包括意见、注释者和来源，评估了目前在关键点分析任务中表现欠佳的高层次论证总结方法，并发现通用 LLM 和专用 KPA 模型在处理数据来源、代表少数人的论点和人类提供的主观性方面存在互补的优势，观察到多样化的训练数据可能改善泛化能力，因此解决论证总结中的多样性问题需要采取多种策略以应对主观性。

Feb, 2024

本文介绍了一种新的方法，可以在文本中同时进行关键词提取和关键词分配。经过实验验证，在人文和社会科学等不同领域的数据集上，与现有的关键词提取和关键词分配方法相比，本方法表现出了显著的改进。

Nov, 2016

本文介绍了两种方法来解决信息处理和映射问题，包括预训练语言模型的提示工程和基于提示的学习方法，以提高分类器的性能，并对其进行了深入的分析和评估。

Nov, 2022