IKDSumm：将关键短语融入 BERT 的抽取式灾难推文摘要
计算与语言
2023-05-22 v1 社会与信息网络
摘要
Twitter 等在线社交媒体平台是灾难事件期间最有价值的信息来源之一。因此，人道主义组织、政府机构和志愿者依赖这些信息的摘要（即推文）来进行有效的灾难管理。尽管已有若干有监督与无监督的自动推文摘要方法，这些方法要么需要大量标注信息，要么未融入灾难的特定领域知识。此外，最新的灾难摘要方法提出了基于 BERT 的模型以提升摘要质量。然而，为进一步提升性能，我们引入无需人工干预的领域特定知识利用方式，以理解推文的重要性（显著性），从而辅助摘要生成并提高摘要质量。本文提出一种灾难特定推文摘要框架 IKDSumm，其首先通过推文的关键短语识别每条与灾难相关推文中的关键重要信息。我们利用灾难的领域知识（使用现有本体）在无人干预下识别这些关键短语。进而，我们利用这些关键短语自动生成推文摘要。因此，给定与灾难相关的推文，IKDSumm 在无人干预下确保摘要覆盖度、相关性与多样性等摘要关键目标的实现。我们在 12 个灾难数据集上将 IKDSumm 与 8 种最先进技术进行比较评估。评估结果显示，IKDSumm 在 ROUGE-N F1 分数上比现有技术高出约 2-79%。
引用
@article{arxiv.2305.11592,
title = {IKDSumm: Incorporating Key-phrases into BERT for extractive Disaster Tweet Summarization},
author = {Piyush Kumar Garg and Roshni Chakraborty and Srishti Gupta and Sourav Kumar Dandapat},
journal= {arXiv preprint arXiv:2305.11592},
year = {2023}
}