Feb, 2024

基于指令引导的多查询灾害摘要

PDF
TL;DR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。
发现论文，激发创造
  • 将深度神经重排和无监督提取结合用于多次查询的聚焦摘要

    论文提出了 CrisisFACTS 追踪，该追踪致力于解决多流事件追踪领域中的诸多挑战，运用整数线性规划、最大边际相关性等框架，以及各种提取事实的方法，最终探讨了其中的优劣。

    Feb, 2023

  • 基于 Transformers 的危机相关社交媒体跨语言查询式摘要生成算法

    本文提出了一种跨语言方法来检索和总结社交媒体帖子中与危机相关的信息，该方法基于多语种变形金刚嵌入，可以创建准确，有结构的摘要，与现有的最先进方法相比，被认为更加专注，有结构并且相关性更强。

    Apr, 2022

  • DQNC2S: 基於 DQN 的跨媒體危機事件摘要器

    基于深度 Q 网络的弱注释方法，实现对多个灾害相关数据流的同时摘要，无需人工注释或内容重新排序，并有效处理跨流内容重叠，优于 CrisisFACTS 2022 基准的最佳模型。

    Jan, 2024

  • 利用抽象提取技术进行事实核查声明检测

    在社交媒体如此发达的时代，我们提出了一个新的流程，其中部分自动化事实检查的生命周期可以节省人力和高认知任务。我们的方法是利用抽象摘要生成简洁的查询，这些查询可以在基于现有已核查实事的数据集的检索系统中执行。通过使用现有的摘要模型进行微调和开箱既食的摘要模型，我们获得了具有更好的检索表现，检索准确率提高了 3 倍，而基于原文查询的准确率仅为 10％。

    Sep, 2022

  • ADSumm：用于灾难推文摘要的标注真实摘要数据集

    在线社交媒体平台，在灾难事件中提供有价值的信息。本研究介绍了 ADSomm，为八个灾难事件添加了关注度，相关性和多样性，通过改进现有的监督性总结方法的性能提高了 8-28％的 ROUGE-N F1 分数。

    May, 2024

  • IKDSumm: 将关键短语纳入 BERT 用于灾难推文摘要

    本文提出了一种基于域特定知识和关键短语的 tweet 自动摘要框架 IKDSumm，在 12 个灾害数据集上进行了实验，与 8 种现有技术相比，在 ROUGE-N F1 - 分数方面提高了约 2-79％。

    May, 2023

  • PORTRAIT：一种混合方法创建灾害事件中的提取式地面真实摘要

    本研究提出了一种半自动化的方法 (PORTRAIT) 以生成地面真实总结，该方法可以降低人力和时间成本，同时确保所创建的地面真实总结的质量，该方法的有效性经过了五次灾难事件的数量和质量比较，并综合评估了各种最新总结方法在 PORTRAIT 生成的地面真实总结上的表现。

    May, 2023

  • 社交媒体危机事件的多模态分类

    本文介绍一种新的多模态融合方法，使用图形建模和交叉注意力，将图像和文本进行联合处理以提高应急响应能力。通过三个危机相关任务的测试，表明我们的方法明显优于单模态方法和基准的多模态方法。

    Apr, 2020

  • CrisisLTLSum: 本地危机事件时间线提取和总结的基准

    本文提出了目前为止最大的本地危机事件时间轴数据集 CrisisLTLSum，它包含了 1000 个危机事件时间轴数据，可用于基准测试时间轴拓展和抽象摘要技术的任务。该数据集是通过采用半自动化集群 - 精化方法从公共推特数据流中收集数据构建的，其初始实验表明，对于这两个任务而言，强基线与人类表现之间存在着显著差距，并且我们还公开了数据集、代码和模型。

    Oct, 2022

  • 无监督情感触发器摘要提取

    本文在研究大规模危机期间情感触发因素的基础上，提出了一种利用无监督学习模型进行情感检测和摘要的新方法，并在 COVID-19 危机下进行了验证

    Jun, 2023