一种用于抽取式播客摘要的两阶段方法

播客摘要不同于新闻、专利和科学论文等其他数据格式的摘要，因为播客通常更长、更具对话性、更口语化，并且充满赞助和广告信息，这给现有模型带来了巨大挑战。在本文中，我们专注于抽取式播客摘要，并提出了一种两阶段方法：句子选择和 seq2seq 学习。具体而言，我们首先从嘈杂的长播客转录文本中选择重要句子。该选择基于句子与参考文本的相似度以减少冗余，以及相关的潜在主题以保留语义。然后将所选句子输入预训练的编码器-解码器框架以生成摘要。我们的方法在基于 ROUGE 的度量标准和人工评估方面均取得了有前景的结果。