量化 Transformer 空间中的抽取式观点摘要
计算与语言
2020-12-09 v1
摘要
我们提出量化 Transformer（QT），一种用于抽取式观点摘要的无监督系统。QT 受向量量化变分自编码器的启发，我们将其重新用于基于流行度驱动的摘要。它利用量化空间的聚类解释以及一种新颖的抽取算法，在数百条评论中发现流行观点，这是迈向实用范围观点摘要的重要一步。此外，QT 无需进一步训练即可实现可控摘要，通过利用量化空间的特性来抽取特定方面的摘要。我们还公开了 SPACE，一个大规模观点摘要评测基准，包含 50 家酒店的总体与方面特定摘要。实验证明了我们方法的前景，人工评测中评判者明显偏好我们的方法而非竞争基线。
引用
@article{arxiv.2012.04443,
title = {Extractive Opinion Summarization in Quantized Transformer Spaces},
author = {Stefanos Angelidis and Reinald Kim Amplayo and Yoshihiko Suhara and Xiaolan Wang and Mirella Lapata},
journal= {arXiv preprint arXiv:2012.04443},
year = {2020}
}
备注
To appear in Transactions of the Association for Computational Linguistics (TACL); 16 pages