恰如所需：基于自反思的约束时间线摘要以增强相关性
计算与语言
2024-12-24 v1
摘要
给定关于某个实体（如公众人物或组织）的新闻文章，时间线摘要(TLS)涉及生成一个总结该实体关键事件的时间线。然而，TLS任务过于欠定义，因为每位读者感兴趣的内容可能不同，因此不存在单一的理想或最优时间线。本文引入了一个新任务，称为约束时间线摘要(CTLS)，其中生成的时间线中的所有事件均满足某个约束。约束时间线的一个例子是关于泰格·伍兹的法律纠纷，其中只选择与其法律问题相关的事件出现在时间线中。我们收集了一个新的人工验证的约束时间线数据集，涉及47个实体，每个实体有5个约束。我们提出了一种方法，使用大型语言模型(LLM)根据指定约束总结新闻文章，并对它们进行聚类以识别要包含在约束时间线中的关键事件。此外，我们在摘要生成过程中提出了一种新颖的自反思方法，并证明该方法成功提升了性能。
引用
@article{arxiv.2412.17408,
title = {Just What You Desire: Constrained Timeline Summarization with Self-Reflection for Enhanced Relevance},
author = {Muhammad Reza Qorib and Qisheng Hu and Hwee Tou Ng},
journal= {arXiv preprint arXiv:2412.17408},
year = {2024}
}
备注
AAAI 2025 (with appendix)