Jun, 2023

亚历山大的回声：用于多语种书籍摘要的大型资源

HTML
PDF
TL;DR本文介绍了“Echoes from Alexandria”软件，并提供了三个数据集：多语种图书摘要（Echo-Wiki），大压缩多语种图书摘要（Echo-XSum）和抽取式图书摘要（Echo-FairySum）；同时，作者们还提出了一种新的抽取-再生成文本提取方法，这种方法更适合于图书摘要生成。
发现论文，激发创造
  • MLSUM: 多语言摘要语料库

    我们提出了MLSUM，这是第一个大规模的多语言摘要数据集，包括五种不同语言的150万篇文章/摘要对，与来自CNN / Daily mail数据集的英文报纸一起，构成一个大规模的多语言数据集，可以为文本摘要社区提供新的研究方向。我们基于最先进的系统进行交叉语言比较分析，发现了现有偏见，这促使我们使用多语言数据集。

    Apr, 2020

  • 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

  • BookSum：用于长篇叙述摘要的数据集合集

    本研究介绍了一种新的包含长型叙述文本的数据集BookSum。这个数据集覆盖了文学领域的原始文件，并包含三种难度递增的高度抽象的人工撰写的摘要，涵盖段落、章节和整本书的水平。通过该任务的训练和测试，本研究基于此数据集建立了多个抽取和摘要式自动文摘模型。

    May, 2021

  • 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

  • CrossSum: 跨越1500多种语言对的英语中心的跨语言生成性文本摘要

    通过跨语言检索，提出跨语言摘要数据集CrossSum及其训练模型，表现出优异的ROUGE和LaSE性能，成为目前最大的跨语言摘要数据集

    Dec, 2021

  • 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

  • SEAHORSE：一份用于摘要评估的多语言、多方面数据集

    本篇论文介绍了一个名为SEAHORSE的多语言，多方面的汇总评估数据集，其中包含了96K个人工评分，覆盖6种语言，9种系统和4个数据集。同时，该数据集的规模和范围还可以作为评估学习指标和训练指标的大规模资源。研究者证明，通过使用SEAHORSE训练出的指标可以在跨域流行的元评估基准中获得良好的性能。

    May, 2023

  • BooookScore：基于LLMs时代的图书摘要系统性研究

    通过两种工作流程 (层级合并、递增更新) 实现基于 LLM 的书籍摘要器的连贯性研究，发现 LLM 会出现八种常见的连贯性错误，并提出了一个自动评估指标 BooookScore，与人工标注结果一致，可用于系统评估其他关键参数的影响，同时节省了人工评估成本。

    Oct, 2023

  • SumTra: 跨语言少样本摘要的可微分管道

    跨语言概括是生成与输入文档不同语言（例如从英语到西班牙语）的摘要，使目标语言的使用者能够获得其内容的简洁概述。本文提出重新审视了概括和翻译流程，其中概括和翻译任务按顺序执行，并通过利用许多可用的公共资源进行单语概括和翻译，从而获得了非常有竞争力的零样本性能。此外，所提出的流程是完全可微分的端到端，可以利用少样本微调（如有）的优势。实验证明，所提出的方法在两个当代、广泛采用的跨语言概括数据集（CrossSum和WikiLingua）上表现出了显著的零样本性能，并且与等效的多语言语言模型基准相比，在只有10%的微调样本下在许多语言上取得了优于基准的性能。

    Mar, 2024

  • 多目标跨语言摘要：一种新任务及语言中立的方法

    本研究解决了跨语言摘要中的语义一致性问题，即在不同语言间进行语义相似的多目标摘要。提出了一种基于重新排序的原则性方法及多标准评估协议，为今后进一步研究铺平了道路。

    Oct, 2024