基于两两生成与图分区的关键点分析探索

关键点分析（KPA）是将多个论点浓缩为简洁关键点集合的摘要任务，持续是论证挖掘领域的一个重要且尚未解决的问题。现有模型采用聚类论点或为论点簇生成关键点的两阶段流水线方法。该方法依赖语义相似度，而非衡量论点间是否存在共享关键点的存在性。此外，它仅建模论点簇内部之间的关系，忽略了不共享关键点论点之间之间的关系。为此，我们提出一种基于两两生成与图分区的KPA新方法。我们的目标是训练一个生成模型，同时为一对论点之间是否存在共享关键点提供评分并生成该共享关键点。随后，为将生成的冗余关键点映射到简洁的关键点集合，我们构建论点图，将论点视为顶点，将生成的关键点视为边，将评分视为边权。我们提出一种图分区算法，将所有共享相同关键点的论点分到同一个子图中。值得注意的是，我们的实验结果表明，在评估ArgKP和QAM数据集时，我们提出的模型超越了以往模型。