CUED_speech 参加 TREC 2020 播客摘要赛道
计算与语言
2021-01-14 v2
摘要
在本文中，我们描述了针对 TREC 2020 播客摘要挑战的方法。给定一集带有转录文本的播客，目标是生成捕捉内容中最重要的信息的摘要。我们的方法包括两步：（1）利用层次化模型的注意力过滤转录文本中冗余或信息量较低的句子；（2）应用在播客数据上以序列级奖励函数微调的最先进文本摘要系统（BART）。此外，我们为提交的运行进行了三个和九个模型的集成。我们还将 BART 模型在播客数据上微调作为基线。NIST 的人工评估显示，我们的最佳提交在 EGFB 量表上取得 1.777 分，而创作者提供描述的得分为 1.291。我们的系统在 TREC2020 播客赛道的 Spotify 播客摘要挑战中于人工和自动评估中均获胜。
引用
@article{arxiv.2012.02535,
title = {CUED_speech at TREC 2020 Podcast Summarisation Track},
author = {Potsawee Manakul and Mark Gales},
journal= {arXiv preprint arXiv:2012.02535},
year = {2021}
}
备注
TREC 2020