具有事实不一致感知的对话检视式摘要

对话摘要已被广泛研究与应用，已有工作主要探索更优的模型结构以对齐输入对话与输出摘要。然而，对于专业对话（如法律辩论与医疗诊断），语义/统计对齐难以填补输入对话话语与借助外部知识的摘要输出之间的逻辑/事实鸿沟。本文主要研究非预训练与预训练设定下对话检视式摘要（DIS）的事实不一致问题。提出了一种创新的端到端对话摘要生成框架，带有两个辅助任务：期望事实方面正则化（EFAR）与缺失事实实体判别（MFED）。综合实验表明，所提模型能生成更具可读性的摘要，准确覆盖事实方面，并经由从输入对话中检测出的潜在缺失事实提示用户以进行进一步人工干预。