CADS：关于抽象对话摘要挑战的系统文献综述

抽象对话摘要是将对话提炼为信息丰富且简洁摘要的任务。尽管已有关于此主题的综述，但缺乏对话摘要挑战的全面性工作，缺乏统一对该任务理解的工作，以及缺乏将所提出技术、数据集和评估指标与挑战对齐的工作。本文系统性地综述了 2019 年至 2024 年间发表的 1262 篇独立研究论文，基于 Semantic Scholar 和 DBLP 数据库。我们涵盖了对话摘要中存在的主要挑战（即语言、结构、理解、说话人、显著性和事实性），并将其与相应技术（如图基方法、额外训练任务和规划策略）相关联，这些技术通常过度依赖于基于 BART 的编码器-解码器模型。我们发现，尽管某些挑战（如语言）由于训练方法取得了显著进展，主要归功于训练方法，但其他挑战（如理解、事实性和显著性）仍然困难且存在显著的研究机会。我们调查了这些方法的评估方式，涵盖了对话子领域（如会议、医疗）的数据集、 established 自动评估指标和人类评估方法。我们注意到，只有少数数据集横跨所有子领域。ROUGE 指标使用最频繁，而人类评估经常在对内部标注者一致性和标注指南方面不足。此外，我们讨论了最近探索的大型语言模型的可能影响，并指出尽管其相关性和难度可能发生变化，我们描述的挑战分类学仍然具有相关性。