EMNLPDec, 2023

FREDSum: 法国政治辩论的对话摘要语料库

PDF
TL;DR最近深度学习的进展，特别是编码器 - 解码器架构的发明，极大地改进了抽象摘要系统的性能。大部分研究集中在书面文件上，然而忽视了多方对话摘要的问题。本文提供了一组法国政治辩论的数据集，以增强多语对话摘要资源。我们的数据集包括手工转录和注释的政治辩论，涵盖一系列主题和观点。我们强调高质量的转录和注释对于训练准确有效的对话摘要模型的重要性，并强调支持非英语语言的对话摘要所需的多语资源。我们还使用最先进的方法提供了基准实验，并鼓励在这一领域进行进一步研究。我们的数据集将向研究社区公开提供。
deep learningabstractive summarizationmulti-party dialogue summarizationfrench political debatesmultilingual resources
发现论文，激发创造
  • 法语语言模型对抽象对话摘要任务的有效性

    本文研究了使用多种预训练模型对法语口语对话进行自动摘要，并发现在 DECODA（呼叫中心）对话语料库上，BARThez 模型的性能显著优于先前的最先进水平，同时也讨论了这种预训练模型的局限性和需要解决的挑战。

    Jul, 2022

  • DebateSum：一个大规模的辩论挖掘和摘要数据集

    该研究提出了 DebateSum 数据集，其中包含 187,386 个唯一的证据片段和相应的争论和抽取式摘要，使用多个 Transformer 摘要模型进行了训练，同时引入了在数据集上训练的 FastText 词向量 debate2vec。最后，该研究还提出了一个可以广泛运用于全国演讲和辩论协会成员中的 DebateSum 搜索引擎。

    Nov, 2020

  • 抽象会议总结：一项调查

    本文对多方会议情境下的自动摘要这一任务涉及到的难点、数据集以及系统进行了综述，并介绍了未来的研究方向。

    Aug, 2022

  • SAMSum Corpus: 一个人工标注的对话文本数据集用于提取式摘要

    本研究介绍了 SAMSum 语料库，这是一个新的抽象对话摘要数据集，研究人员使用多个模型进行测试，并将其结果与新闻文章语料库的结果进行比较，结果显示与人类评估者的判断相反，模型生成的对话摘要具有更高的 ROUGE 分数，这表明需要使用专用模型和非标准质量度量的抽象对话摘要这一具有挑战性的任务，据我们所知，这是引入高质量聊天对话语料库的第一次尝试，并手动注释了抽象摘要，可供研究人员进行进一步研究。

    Nov, 2019

  • DialogSum：一个真实场景下的对话摘要数据集

    提出了 DialogSum，一种大规模标注的对话摘要数据集，通过对该数据集使用最先进的神经摘要器进行经验分析，结果表明对话摘要中存在诸如口语术语、特殊话语结构、代词和省略、语用学和社会常识等独特挑战，需要特定的表示学习技术来更好地处理。

    May, 2021

  • 克莱尔法语对话数据集

    Claire French Dialogue Dataset (CFDD) is a multilingual, open source corpus of roughly 160 million words from transcripts and stage plays in French, created to further the development of language models, with descriptions of its composition, subcorpora breakdown, and standardization process.

    Nov, 2023

  • MediaSum：面向对话摘要的大规模媒体采访数据集

    介绍了一个名叫 MediaSum 的大规模媒体采访数据集，包含 463.6K 份采访文本和摘要，被用于探究电视和广播采访文本的独特位置偏差以及转移学习在改进对话摘要模型上的应用。

    Mar, 2021

  • CADS: 抽象对话概括的挑战的系统文献综述

    通过系统性地回顾 2019 年至 2024 年间发表的 1262 篇独特研究论文，本文总结了基于 Transformer 的英语对话抽象总结的研究，并涵盖了对话总结中的主要挑战和相应的技术，例如基于图的方法、额外的训练任务和计划策略。虽然一些挑战，如语言，已经取得了相当大的进展，但其他一些挑战，如理解、准确性和显著性，仍然困难，具有重要的研究机会。

    Jun, 2024

  • 对话自动摘要研究综述：新进展和新领域

    对话摘要化是将原始对话压缩成涵盖重要信息的短版，用于减轻对话数据负载，本研究从多个领域（包括会议，聊天，电子邮件，客户服务和医疗对话）全面系统地调查了对话摘要化的现状和研究进展，包括可用于研究数据集的总览和两个排行榜，并提出了一些未来的研究方向，如忠实度、多模态、多领域和多语言对话摘要化。

    Jul, 2021

  • FreCDo：用于法语跨领域方言识别的大型语料库

    本文介绍一个收集于比利时、加拿大、法国和瑞士的公共新闻网站上的包含 413,522 个法语文本样本的新颖语料库。该文章通过对不同的新闻网站检索不同的关键词，消除了主题、写作风格和发布来源等潜在偏见，从而建立了一个法语跨领域方言识别任务；作者也通过四个竞争基线、基于微调的 CamemBERT 模型、基于微调 CamemBERT 特征的 XGBoost、基于微调 CamemBERT 特征的 SVM 分类器和基于单词 n-grams 的 SVM 进行了实验；最后，作者还分析了 CamemBERT 学到的最有区分度的特征。

    Dec, 2022