指导性的长财务收益电话交流摘要的要点总结

SIGIRMay, 2024

指导性的长财务收益电话交流摘要的要点总结

Instruction-Guided Bullet Point Summarization of Long Financial Earnings Call Transcripts

Subhendu Khatuya, Koushiki Sinha, Niloy Ganguly, Saptarshi Ghosh, Pawan Goyal

TL;DR我们通过使用最近发布的 ECTSum 数据集，结合无监督的问题提取模块和参数高效的指令调优抽象模块，解决了长期财务文件的项目摘要化问题，并提出的模型 FLAN-FinBPS 在这一任务上取得了新的最佳性能，超过最强基准模型 14.88% 的平均 ROUGE 分数增益，并能够生成在 ECTs 中讨论的重要事实的一致性项目摘要。

Abstract

While automatic summarization techniques have made significant advancements, their primary focus has been on summarizing short news articles or documents that have clear structural patterns like scientific articles or government reports. There has not been much exploration into develop

automatic summarization financial documents bullet point summarization earning call transcripts flan-finbps

发现论文，激发创造

ECTSum: 一份新的基准数据集，用于长财报电话会议记录的要点摘要

本文提出了基于 ECTSum 数据集的 ECT-BPS 自动摘要方法，比较并评估了现有自动摘要方法在金融文档摘要任务中的表现。

Oct, 2022

多模态长文摘要特征分析：金融报告案例研究

通过对财务报告摘要化的案例研究，我们提出了一种计算框架，用于表征多模态长文本摘要，并研究了 Claude 2.0/2.1、GPT-4/3.5 和 Command 的行为。我们发现 GPT-3.5 和 Command 无法有效地完成这个摘要任务，而 Claude 2 和 GPT-4 在摘要的提取性上存在偏差。随机打乱输入后，Claude 的位置偏见消失，这表明 Claude 有识别重要信息的能力。我们还对 LLM 生成的摘要中的数量数据进行了全面调查，并提供了数量幻觉的分类。我们尝试通过提示工程来改善 GPT-4 对数字的使用，但成功有限。总体而言，我们的分析凸显出 Claude 2 在处理长的多模态输入方面的强大能力，相较于 GPT-4。

Apr, 2024

SciBERTSUM: 面向科学文档的提取式摘要

SciBERTSUM 是一种针对科学论文的摘要框架，通过增加节嵌入层和应用稀疏注意力机制，在长文本（超过 500 句）中表现出更好的 ROUGE 分数。

Jan, 2022

基于行动项的长会议记录摘要

本文介绍了一种新颖且有效的自动生成会议摘要的方法，采用递归生成摘要和并行应用行动项提取算法来生成行动项驱动的抽象会议摘要；同时引入了三种划分长篇会议记录成主题部分的方法，以提高算法的时间效率，并解决大语言模型遗忘长期依赖的问题。实验结果在 AMI 语料库上取得了 64.98 的 BERTScore，相对于精调的 BART 模型，提高了约 4.98% 的准确度。

Dec, 2023

ESSumm: 从未转录会议中提取式演讲摘要

本文提出了一种新颖的直接抽取式语音摘要架构 ESSumm，它是一种基于深度学习的无线束模型，可以直接从语音中生成摘要，极大地提高了从未转录的数据的摘要质量。

Sep, 2022

比较呼叫中心对话的摘要提取方法

本研究评估了一些文本摘要技术，以产生呼叫总结。实验结果表明，采用 TopicSum 和 Lead-N 方法的摘要优于其他方法，而 BERTSum 在主观和客观评估中得分相对较低。结果表明，即使像 Lead-N 这样简单的启发式方法也可以生成有意义和有用的呼叫中心对话摘要。

Sep, 2022

生成长文档的扩展摘要

本研究基于多任务学习方法，利用文件的层次结构生成长篇文献的扩展摘要，并在三个大型数据集上验证其优于其他强基准模型的性能，为长篇文献摘要生成任务的未来研究提供了深入的洞见。

Dec, 2020

C2F-FAR 与 ChatGPT 构建的混合式长文本摘要：一项实证研究

本文介绍了一个使用 ChatGPT 和 C2F-FAR 提出的混合抽取和摘要文本的流程，可以用于长篇文章和书籍。机器生成的摘要可以与人工摘要在自动化评估指标下表现得一样好，但在文本连贯性、忠实度和风格等方面仍存在问题。因此，我们认为 ChatGPT 还不够成熟。这项工作为 NLP 研究人员提供了有关 ChatGPT 在文本摘要方面的能力与实践需求的重要信息，促进进一步研究。

Jun, 2023

通过从摘要中进行分层监督进行长文本生成的总结，概述和阐述

提出了一种新的生成长文本的方法 SOE，它采用了概述、大纲和扩展的方法来为每个段落生成高效的文本，并通过重构策略无监督地提取每个段落的摘要以避免繁琐的总结过程。

Oct, 2020

长对话摘要的探索研究：何有效、何下一步

本文探索了对话摘要的三种策略：扩展变压器模型、检索后摘要流水线模型和分层对话编码模型，并在三个长对话数据集（QMSum、MediaSum、SummScreen）上进行了实验。结果表明，检索后摘要流水线模型具有最佳性能，并说明强大的检索模型和基于外部摘要数据集的预训练可以进一步提高摘要质量。

Sep, 2021