利用自动引文选择吸引读者注意力
计算与语言
2020-10-15 v2 机器学习
摘要
为增进对如何吸引读者的理解，我们倡导一项新任务：自动引文选择。引文是文章的一个组成部分，专门通过从文章中选取文本片段并以更醒目的方式呈现来吸引读者注意。该任务在若干方面不同于摘要和标题党识别等相关任务。我们建立了一系列该任务的基线方法，从手工特征到神经混合专家模型再到跨任务模型。通过考察这些模型中个体特征与嵌入维度的贡献，我们揭示了引文出人意料的属性，有助于回答什么能吸引读者这一重要问题。人工评估也支持该任务的独特性和我们选择模型的适用性。进一步探索该问题的益处显而易见：引文提升阅读乐趣与可读性、塑造读者感知并促进学习。复现本工作的代码见 https://github.com/tannerbohn/AutomaticPullQuoteSelection。
引用
@article{arxiv.2005.13263,
title = {Catching Attention with Automatic Pull Quote Selection},
author = {Tanner Bohn and Charles X. Ling},
journal= {arXiv preprint arXiv:2005.13263},
year = {2020}
}
备注
Accepted to COLING-2020. 15 pages (~9 for content + refs + appendix), 6 figures, 5 tables (+ 5 appendix tables)