Nov, 2023

可控文本摘要：挑战、方法和前景的揭示 -- 一项综述

PDF
TL;DR总结特定用户的需要和意图，关注于开发更贴合特定目标和用户需求的文本摘要方法。最近的学术关注点转向了更可控的摘要方法的发展，但缺乏全面的调查来深入探索在这一背景下所使用的各种可控性方面或属性，并研究现有的解决方案。在本调查中，我们形式化了可控文本摘要任务，根据它们的共享特征和目标将可控性方面进行分类，并对每个类别中的现有方法和数据集进行了全面的研究。此外，根据我们的调查结果，我们发现了一些限制和研究空白，同时也探讨了 CTS 的潜在解决方案和未来发展方向。
发现论文，激发创造
  • CTRLsum: 通用可控文本摘要

    CTRLsum 是一种用于可控摘要的新型框架，它能够使用户通过文本输入关键词或描述性提示来控制生成摘要的多个方面，在不需要额外人工注释或预定义训练期间的控制方面的情况下，在三个领域的摘要数据集和五种控制方面中得到量化证明，并在 CNN/DailyMail 数据集上取得了最先进的结果。

    Dec, 2020

  • 控制性文本压缩

    本文提出了一个新的任务 —— 可控文本减缓 —— 来产生内容一致的文本，该任务的目标是生成一个有针对性的概括，重点关注标记的内容，并借助有监督学习方法进行实现。

    Oct, 2022

  • 面向主题控制的摘要生成评估和 Transformer 方法

    该研究提出了一种新的主题导向的评估度量方法，用于自动评估生成的摘要与所需主题之间的关联度，并验证了其可靠性，同时提出了将主题嵌入到模型架构中或使用控制标记引导摘要生成的简单而强大的主题可控摘要方法，实验结果表明控制标记比更复杂的嵌入式方法表现更好，并且速度明显更快。

    Jun, 2022

  • 可控抽象摘要

    本文提出了一种神经摘要模型，能够通过简单而有效的机制实现用户对文本长度、风格、感兴趣的实体等高级属性的控制，以生成符合用户需求的高质量摘要，并在 CNN-Dailymail 数据集上优于现有的自动化系统和人工评价。

    Nov, 2017

  • 自动文本摘要方法：综述

    本文详细介绍了文本摘要的各种方法，包括提取和抽象两种途径，评估指标、基准数据集与未来的研究展望，并讨论了生成摘要的不同评估方法与相关研究中可能出现的挑战和研究机遇。

    Mar, 2022

  • EntSUM：面向实体的摘要数据集

    该研究提出了一个面向实体的可控摘要任务，并介绍了一个名为 EntSUM 的人工注释数据集，证明了现有的可控摘要方法无法生成实体为中心的摘要，提出了一种方法来改善此问题。

    Apr, 2022

  • MACSum: 带有混合属性的可控总结

    本文提出了 MACSum，这是第一个混合属性的人工注释总结数据集，其包含两个领域的源文本，即新闻文章和对话，同时具有由五个设计属性（长度、提取性、特异性、主题和发音人）控制的人工注释总结。我们提出了两种简单有效的参数高效方法，即基于硬提示调优和软前缀调优的混合可控总结任务。结果和分析表明，硬提示模型在所有指标和人工评估中都具有最佳性能。但是，混合属性控制对总结任务仍然具有挑战性。

    Nov, 2022

  • 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

  • 精准长度控制摘要

    该论文提出了一种能够精确控制文本长度的文本生成框架，可以生成指定数量的词语或句子的摘要，且在维持或提高文本质量的同时，通过联合训练模型预测长度，实现生成最佳长度的摘要。作者对该框架在 CNNDM 数据集上进行了评估，结果表明其性能优于现有方法。

    May, 2023

  • 文本摘要技术：简要调查

    本文综述了自动文本摘要的主要方法和不同过程，描述了不同方法的有效性和缺点，以期将海量的文本数据高效地提炼出信息和知识。

    Jul, 2017