MODABS：面向动态方面摘要的多目标学习
计算与语言
2024-06-19 v2
摘要
在线内容的快速激增需要有效的摘要方法，其中动态方面摘要尤为突出。与假设固定已知方面集的传统方法不同，该方法适应输入文本的多样化方面。我们引入了一种新颖的多目标学习框架，采用Longformer-Encoder-Decoder来完成此任务。该框架优化方面数量预测，最小化每个方面生成摘要与参考摘要之间的差异，并最大化不同方面摘要之间的不相似性。大量实验表明，我们的方法在三个不同数据集上显著优于基线，这主要归功于生成方面数与参考方面数的有效对齐，且不牺牲单方面摘要质量。
引用
@article{arxiv.2406.03479,
title = {MODABS: Multi-Objective Learning for Dynamic Aspect-Based Summarization},
author = {Xiaobo Guo and Soroush Vosoughi},
journal= {arXiv preprint arXiv:2406.03479},
year = {2024}
}