EMNLPOct, 2023

事件时间线的背景归纳

PDF
TL;DR通过引入背景新闻摘要机制，结合时间轴更新，我们构建了一个数据集，并通过人工标注人员为每个新闻事件的每个时间步骤编写了背景摘要。我们提出了一个问题导向的变体来生成背景摘要，并使用基于问答的评估指标 Background Utility Score（BUS）评估了摘要质量。实验结果表明，在 Fine-tuned 系统（如 Flan-T5）和零 - shot 性能强大的 GPT-3.5 的指导下，背景摘要表现出很好的效果。
发现论文，激发创造
  • 按时间轴生成摘要和抽取式时间轴摘要

    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

  • 新闻时间轴摘要的技术现状分析

    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

  • 扩展任务提示的网络新闻时间线生成

    通过对传统提示技术进行扩展，我们的研究在各种新闻数据集上证明了增强提示效果的有效性，使新闻时间线生成成为专业使用的实际工具，并已部署为公开可访问的浏览器扩展程序。

    Nov, 2023

  • 平衡新颖性和显著性：自适应学习排序实体以进行高影响事件的时间线摘要

    本文提出了一种利用实体而非句子进行事件时间轴摘要的新方法，该方法为回顾性事件考虑提供重要的记忆提示，并在个性化事件探索方面起到指针作用，同时提出了一种用于实体排名的学习方法，并以 Wikipedia 为基础的创新性软标签方法来捕捉实体的集体关注度。实验证明了所提出方法的有效性。

    Jan, 2017

  • KLearn: 从总结数据中推断出背景知识

    本文研究了文本摘要中的背景知识，提出了一种技术来推断摘要数据中的背景知识，设计了能够明确建模背景知识的摘要评分函数，并证明这些函数显著地适合人类判断。

    Oct, 2020

  • 面向复杂事件的社交信息感知时间轴生成

    本论文提出了一种优化框架，设计用于平衡文章和评论摘要之间的主题连贯性以及其信息性和事件覆盖面。在真实数据集上自动评估表明，与现有系统相比，我们的系统生成的时间线更具信息性。在人类评估中，相关评论摘要更被认为具有洞察力。

    Jun, 2016

  • SumREN: 新闻事件报道语的摘要

    该论文介绍了一种新颖的任务 —— 总结不同演讲者对给定事件的反应，包括报告的声明，这与现有的新闻摘要任务不同。研究人员创建了一个新的多文档摘要基准 SUMREN，并提出了一种自动银色训练数据生成方法。他们还介绍了一种基于管道的框架，可以更抽象和真实地生成总结。

    Dec, 2022

  • GreekT5: 一系列希腊序列到序列模型用于新闻摘要

    提出了一系列新颖的文本摘要模型，通过在希腊新闻文章上进行全面评估，发现这些模型在各种评估指标上显著优于现有的希腊抽象新闻摘要模型。

    Nov, 2023

  • 基于指令引导的多查询灾害摘要

    自动总结大规模突发事件在灾难管理中起着关键作用。CrisisFACTS 的第二版旨在基于多流事实查证，重点关注 Twitter、Reddit、Facebook 和 Webnews 等网络信息源的灾难总结。本文描述了我们解决这个具有挑战性任务的方法。我们依照以前的工作，并提出使用检索、重新排序和简单指令遵循总结相结合的方法。两阶段检索管道依赖于 BM25 和 MonoT5，而总结模块基于开源大型语言模型 LLaMA-13b。对于总结，我们采用了一个问题回答 (QA) 驱动的提示方法，并发现证据对于提取与查询相关的事实是有用的。自动评估和人工评估结果表明具有很强的效果，但也凸显了开源和专有系统之间的差距。

    Feb, 2024

  • 强化学习交互学习时间轴摘要

    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