Jun, 2024

MODABS: 多目标学习动态方面摘要

PDF
TL;DR利用 Longformer-Encoder-Decoder 的新型多目标学习框架，实现了对在线内容进行动态方面的摘要，通过优化方面数量预测、减小生成与参考摘要之间的差异以及最大化方面特定摘要之间的差异来提升摘要质量。在广泛的实验中，我们的方法在三个多样的数据集上明显优于基线，而且在不损害单一方面摘要质量的情况下，成功对齐了生成和参考的方面数量。
online contentsummarization methodsdynamic aspect-based summarizationmulti-objective learning frameworklongformer-encoder-decoder
发现论文，激发创造
  • 无序文本中的动态方面注释总结的基准测试：Disordered-DABS

    针对无序文本的动态方面导向摘要提出了 Disordered-DABS 评估框架，并通过实验证明该框架对于包括语言模型在内的现代摘要模型存在独特挑战。

    Feb, 2024

  • JADS: 自主超越联合方面发现和摘要的框架

    通过将主题发现和总结集成到单一步骤中，我们提出的 JADS 算法从文本数据中发现方面，并生成主题的总结，其在优化总结和聚类算法中表现出更好的性能和稳定性，此外，从 JADS 中获得的嵌入展现出更优越的聚类能力，我们所提出的方法在语义对齐和准确性方面取得了较高的水平。

    May, 2024

  • 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

  • 可控观点摘要

    本论文提出了一种基于方面查询的定制摘要生成方法，使用多示例学习模型诱导的方面控制器创建 (review,summary) 对的合成训练数据集，通过微调预训练模型，生成修改方面控制器的方面特定摘要。在两个基准测试中，我们的模型表现优于先前的技术水平，并通过控制讨论的方面数量生成个性化摘要。

    Sep, 2021

  • 基于强化学习的文本摘要的多维优化

    本文提出了一种多目标强化学习方法，通过多维优化策略和基于问答的奖励模型生成在多个维度上平衡的、简洁但信息丰富的摘要，取得比基准模型更好的性能表现。

    Jun, 2024

  • OpenAsp: 多文档开放式面向方面的摘要评测基准

    近年来，自动摘要模型的性能有了显著提升，然而在满足实际场景中用户的具体信息需求方面仍存在差距，尤其是在本文中所针对的有用的基于方面的摘要设置中。为了推动更加现实的场景研究，我们引入了 OpenAsp，一个用于多文档开放方面的摘要的基准。该基准使用一种新颖且具有成本效益的注释协议来创建，通过该协议从现有的通用多文档摘要数据集中提取开放方面数据集。我们分析了 OpenAsp 的特性，展示了其高质量的内容，并且证明了 OpenAsp 中实现的现实开放方面设置对于当前最先进的摘要模型和大型语言模型来说是一个挑战。

    Dec, 2023

  • 任何方面的文本总结：一种知识驱动的弱监督方法

    本研究提出一种基于方面的抽象化摘要方法，可以对任意与文件相关的方面进行总结，带有外部知识库的弱监督构建方法和方面建模方案可以提高性能。

    Oct, 2020

  • ASPECTNEWS: 新闻文档的面向方面的摘要

    本文介绍了一个数据集 AspectNews，并比较了不同训练方案的效果，研究表明最终方法可以生成更好的聚焦摘要，相比通用摘要系统或关键字匹配更为敏感。

    Oct, 2021

  • WikiAsp：一个用于多领域方面的摘要的数据集

    提出了一个新的多领域、开放领域的基于方面的摘要数据集 “WikiAsp”，该数据集通过使用 20 个不同领域的维基百科文章并使用每篇文章的标题和边界作为方面标注的代理。研究结果表明现有的摘要模型在此情况下面临的关键挑战，具体包括引用来源的代词处理和时间敏感事件的一致解释。

    Nov, 2020

  • 面向多模态摘要生成的基于摘要导向视觉建模

    本文提出通过辅助任务来改善多模态主动摘要中的视觉特征质量，包括视觉到摘要任务和掩蔽图像建模任务，从而优化多模态主动摘要模型。实验结果在 44 种语言中验证了该方法的有效性和优越性。

    Dec, 2022