Mar, 2024

面向过程的自动文本摘要综述及基于 LLM 方法的探索

PDF
TL;DR利用自然语言处理算法，自动文本摘要旨在创建简明准确的摘要，从而显著减少处理大量文本所需的人力。本文综述了自动文本摘要的最新方法和基于大型语言模型的研究，以及以实际应用为导向的流程方案。此外，本文还填补了文献中两年的空白期，是首次特别研究基于大型语言模型的自动文本摘要方法。
automatic text summarizationnatural language processinglarge language modelsprocess-oriented schemasurvey
发现论文，激发创造
  • 自动文本摘要技术的综合综述：方法、数据、评估和编码

    本文综述了自动文本摘要的研究现状及其评估方法，使用引用文献的方法考察各种摘要生成机制，同时对可用于摘要任务的数据集进行了广泛的回顾，并在 CNN 语料库数据集上进行了抽取和生成方法的实证研究。

    Jan, 2023

  • 文本摘要的系统调查：从统计方法到大型语言模型

    通过深度神经网络、预训练语言模型和最新的大型语言模型的出现，文本摘要研究经历了几次重大转型，本文综述通过这些范式转变的视角全面回顾了文本摘要研究的进展和演变，分为两个主要部分：(1) 在大型语言模型时代之前的数据集、评估指标和摘要方法的详细概述，包括传统统计方法、深度学习方法和预训练语言模型微调技术，以及 (2) 大型语言模型时代中对基准测试、建模和评估摘要的最新进展的首次详细研究。通过综合现有文献并提供一个连贯的概述，本文还讨论了研究趋势、面临的挑战以及在摘要研究中提出的有希望的研究方向，旨在引导研究人员了解摘要研究的不断演变的领域。

    Jun, 2024

  • 基于神经网络的摘要生成方法调研

    本文综述了近期在基于神经网络的自动文本摘要中的十种最先进的神经网络模型，其中包括五种生成式模型和五种抽取式模型，并讨论了应用于摘要任务的相关技术和未来研究的有前途的方向。

    Mar, 2018

  • 利用自然语言处理实现文本摘要：叙事性文献综述

    本文是一篇关于使用自然语言处理技术生成简化版摘要的研究综述，发现基于 transformer 的方法如 BERT 和 PEGASUS 在生成 lay text summarisation 方面相对优秀，并建议采用抽取式和生成式相结合的混合方法，并开发一些新的评估指标以确保 lay summary 更易读。

    Mar, 2023

  • 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

  • AaKOS：基于知识的、面向方面的意见摘要

    本文提出一种面向产品评论的自适应知识型意见摘要模型，有效地捕捉了意见摘要所需的自适应性质并生成面向方面的摘要，能更好地个性化和信息化地为用户提供有用信息，适应用户的不同兴趣和偏好。

    May, 2023

  • LANS：大规模阿拉伯新闻摘要语料库

    我们建立了一个大型、多样性的阿拉伯文本摘要数据集 LANS，该数据集为 1999 年至 2019 年期间从报纸网站元数据中提取的 840 万篇文章及其摘要。该数据集包含来自 22 家主要阿拉伯报纸的多样化和高质量的摘要，每个来源至少涵盖 7 个以上的主题。自动和人工评估均表明，我们的摘要准确度高达 95.4％，并且具有摘要的多样性和抽象性。该数据集可应要求公开使用。

    Oct, 2022

  • 神经网络自动文本评分

    提出一种基于 Long-Short Term Memory 网络的自动化文本评分框架，该框架通过学习特定单词对文本评分的贡献来构建单词表示，并且能够在可视化神经网络的启发下，识别出文本中更具区分性的区域，以提高模型可解释性。

    Jun, 2016

  • LaMSUM: 一种使用 LLMs 的用户生成内容抽取式摘要的新框架

    这项研究通过利用投票算法，提出了一种新的框架 LaMSUM，通过大型语言模型生成用户生成的文本的摘要，结果显示 LaMSUM 优于现有的提取式摘要方法，同时试图解释语言模型生成的摘要产生的原因。

    Jun, 2024

  • 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