推进中文文本的主题分割与大纲生成:段落级主题表示、语料库与基准
计算与语言
2024-03-27 v2 人工智能
摘要
主题分割与大纲生成致力于将文档划分为连贯的主题小节并生成相应子标题,揭示文档的语篇主题结构。与句子级主题结构相比,段落级主题结构能从更高层次快速把握和理解文档整体脉络,惠及摘要、语篇解析和信息检索等许多下游任务。然而,缺乏大规模、高质量的中文段落级主题结构语料库制约了相关研究与应用。为填补此空白,本文构建了中文段落级主题表示、语料库与基准。首先,我们提出一种三层分层段落级主题结构表示以指导语料库构建。随后,我们采用两阶段人机协同标注方法构建了最大的中文段落级主题结构语料库(CPTS),达到了高质量。我们还构建了若干强基线(包括 ChatGPT),以验证 CPTS 在两个基础任务(主题分割与大纲生成)上的可计算性,并初步验证其对下游任务(语篇解析)的效用。
引用
@article{arxiv.2305.14790,
title = {Advancing Topic Segmentation and Outline Generation in Chinese Texts: The Paragraph-level Topic Representation, Corpus, and Benchmark},
author = {Feng Jiang and Weihao Liu and Xiaomin Chu and Peifeng Li and Qiaoming Zhu and Haizhou Li},
journal= {arXiv preprint arXiv:2305.14790},
year = {2024}
}
备注
Accepted by LREC-COLING 2024