更早未必更好：摘要任务中语料与系统偏差的子方面分析
计算与语言
2019-09-02 v1
摘要
尽管神经摘要系统近期取得进展，系统改进背后的底层逻辑及其对语料的依赖性仍很大程度上未被探索。例如，原文本中句子的位置是新闻摘要的一个众所周知的偏差。遵循摘要是子函数组合这一观点，我们定义摘要的三个子方面：位置、重要性与多样性，并对九个不同摘要语料（如新闻、学术论文、会议记录、电影剧本、书籍、帖子）领域中各子方面的偏差进行广泛分析。我们发现，虽然位置在新闻文章中表现出显著偏差，但在例如学术论文与会议记录中并非如此。此外，我们的实证研究表明，不同类型的摘要系统（如基于神经网络的）由不同程度的子方面构成。我们的研究为收集新摘要数据集或开发新系统时考虑底层子方面提供了有益启示。
引用
@article{arxiv.1908.11723,
title = {Earlier Isn't Always Better: Sub-aspect Analysis on Corpus and System Biases in Summarization},
author = {Taehee Jung and Dongyeop Kang and Lucas Mentch and Eduard Hovy},
journal= {arXiv preprint arXiv:1908.11723},
year = {2019}
}
备注
EMNLP 2019