利用对比候选生成与选择提升抽象摘要的忠实性
计算与语言
2021-04-20 v1
摘要
尽管神经抽象摘要取得了显著进展，近期研究表明当前模型易于生成与原文不忠实的摘要。为解决该问题，我们将对比候选生成与选择作为一种模型无关的后处理技术，以纠正不忠实摘要中的外在幻觉（即源文本中不存在的信息）。我们通过生成替代候选摘要来学习一个判别性纠错模型，其中将生成摘要中的命名实体和数量替换为源文档中具有兼容语义类型的对应项。随后使用该模型选择最佳候选作为最终输出摘要。我们在多个神经摘要系统上的实验与分析表明，所提方法能有效识别并纠正外在幻觉。我们分析了不同神经摘要系统的典型幻觉现象，期望为未来该方向的研究提供见解。
引用
@article{arxiv.2104.09061,
title = {Improving Faithfulness in Abstractive Summarization with Contrast Candidate Generation and Selection},
author = {Sihao Chen and Fan Zhang and Kazoo Sone and Dan Roth},
journal= {arXiv preprint arXiv:2104.09061},
year = {2021}
}
备注
NAACL'21