基于命名实体显著性引导的 Informative Attention：提升抽象文本摘要的可获取性
计算与语言
2025-10-08 v1 人工智能
摘要
抽象文本摘要是大数据时代的重要组成部分，这要求先进的方法将大量且常常较长的文本数据转化为简洁而连贯且信息丰富的摘要，以便高效的人类消费。尽管取得了显著进展，但在各个方面仍有提升空间。一个此类方面是提高可获取性。因此，本文提出一种新颖的学习方法，包括两个方法：一种基于最优传输的可获取注意力方法以改进参考摘要中 focal 信息，以及一种基于命名实体累积联合熵减少的方法以增强可获取显著性。实验结果表明，我们的方法在 CNN/Daily Mail 上实现更好的 ROUGE 分数，同时在 XSum 上保持竞争性能。人类评估的可获取性也证明了我们的方法在强基线上表现更佳。进一步分析提供了解释实验结果背后可能原因的见解。
引用
@article{arxiv.2510.05769,
title = {InforME: Improving Informativeness of Abstractive Text Summarization With Informative Attention Guided by Named Entity Salience},
author = {Jianbin Shen and Christy Jie Liang and Junyu Xuan},
journal= {arXiv preprint arXiv:2510.05769},
year = {2025}
}