通过显著跨度选择将基于问答的信号引入摘要生成
计算与语言
2023-02-28 v2
摘要
在这项工作中，我们提出了一种将问答（QA）信号引入摘要模型的方法。我们的方法通过自动生成由名词短语（NP）作答的 wh-疑问句，并自动判定这些疑问是否在黄金摘要中得到回答，来识别输入文档中的显著名词短语。该基于 QA 的信号被引入一个两阶段摘要模型：该模型首先使用分类模型在输入文档中标记显著 NP，然后条件式地生成摘要。我们的实验表明，使用基于 QA 的监督训练的模型在基准摘要数据集上比识别显著跨度的基线方法生成更高质量的摘要。此外，我们展示了可根据输入文档中标记的 NP 来控制所生成摘要的内容。最后，我们提出了一种增强训练数据的方法，使黄金摘要与训练期间使用的标记输入跨度更为一致，并展示了由此得到的模型能更好地学会排除未标记文档内容。
引用
@article{arxiv.2111.07935,
title = {Incorporating Question Answering-Based Signals into Abstractive Summarization via Salient Span Selection},
author = {Daniel Deutsch and Dan Roth},
journal= {arXiv preprint arXiv:2111.07935},
year = {2023}
}