ACLFeb, 2024

抽象摘要的来源识别

PDF
TL;DR通过分析源句子，我们研究了神经生成摘要模型是如何将源信息转化为摘要的，包括对参考摘要和 PEGASUS 生成的系统摘要进行源句子注释，并比较了多种自动源句子检测方法以建立强大基线模型。实验结果表明，对于高度抽象的摘要，基于困惑度的方法表现良好，而基于相似度的方法在相对抽取性的摘要中表现稳健。
发现论文，激发创造
  • 一种源代码摘要的抽取和生成框架

    本研究提出了一种新的抽取式 - 生成式混合框架来自动生成代码摘要，该框架结合了抽取式方法和生成式方法，能够提取关键的事实性细节，并生成简明、类似于人工撰写的自然语言摘要，实验证明 EACS 显著优于现有的技术，包括 BLEU，METEOR 和 ROUGH-L 等三个广泛使用的评估指标。

    Jun, 2022

  • 文本摘要中的抽象化改进

    提出使用上下文相关网络和预训练的语言模型来提高抽象文本摘要的生成水平和使用新颖度度量来优化生成的摘要，从而实现比现有方法更高水平的摘要生成。

    Aug, 2018

  • 基于神经网络的基于查询的抽象摘要生成

    本文提出了一种基于查询的文章摘要生成模型，使用新闻文章摘要数据集训练了指针生成模型，通过与参考摘要的相似度评估生成的摘要，结果表明可以构建类似于抽象式摘要的神经网络模型，使用查询生成有针对性的摘要。

    Dec, 2017

  • 抽象摘要生成中注重结构的复制机制

    该研究提出了一种结构注入的复制机制，将源依赖关系结构与抽象的句子摘要生成器的复制机制自然地结合起来。实验结果显示将源语句的句法信息纳入系统的有效性，并且我们提出的方法与最先进的方法相比，取得了较好的效果。

    Jun, 2018

  • 忠于原始：事实感知的神经网络抽象摘要

    提出了一种基于句法和信息提取的双重注意序列到序列框架，该框架旨在解决抽象汇总中存在的虚假事实问题，并使生成的汇总同时具有信息丰富性和语义准确性。

    Nov, 2017

  • 使用预训练语言模型在低资源环境下进行长文档摘要

    本文探讨如何在低资源情况下，使用深度神经网络等技术进行长篇法律文件的自动摘要，本文提出了一种基于 GPT-2 的算法，基于语言模型的困惑度，识别出最具有表现力的句子，在提取摘要时提供有效支持，并且该方法胜过了全球其他对手的显著度检测基线。

    Mar, 2021

  • 基于神经注意力机制的摘要句子生成模型

    本文提出了一种基于数据驱动的、对抽象句子的局部关注模型进行生成式摘要的方法，通过训练大规模数据，该模型相比较于几种强基线模型在 DUC-2004 共享任务中表现了显著的性能提升。

    Sep, 2015

  • 使用预训练模型的抽象文本摘要分析

    本文评估了不同预训练模型在不同数据集上的文本摘要效果，通过 ROUGE 和 BLEU 指标比较了三种不同预训练模型在 CNN-dailymail、SAMSum 和 BillSum 三个数据集上的性能表现。

    Feb, 2023

  • 抽象摘要中句子之间一致性点的理解

    本文介绍了一种利用文本连贯性理论中的对应点将文档中的句子融合成一篇连贯文本的方法，并创建了数据集以促进此技术的发展和测量。

    Jun, 2020

  • 为抽象性摘要评分句子单个和句子对

    本研究旨在构建一个人类方法的框架，通过在统一空间中对单句和句对进行排名，以填补句子选择和融合的差距，支持通过压缩单句和融合句对来概括文献。在单篇和多篇文献总结数据集上开展广泛的实验，并报告了关于句子选择和抽象的发现。

    May, 2019