面向科学论文海报生成的神经内容抽取
计算与语言
2021-12-17 v1
摘要
科学论文海报生成问题尚未得到充分研究。海报通常呈现论文最重要的信息，该任务可视为文档摘要的一种特殊形式。以往研究主要关注海报布局与面板组合，而忽视了内容抽取的重要性。此外，它们的数据集未公开，阻碍了进一步研究。在本文中，我们从零构建该任务的基准数据集。随后我们提出一个三步框架来解决该任务，并在本研究中聚焦于内容抽取步骤。为获取海报面板的文本与视觉元素，提出一种神经抽取模型，用于同时抽取论文章节的文本、图与表。我们在该数据集上开展实验并进行消融研究。结果证明了我们所提模型的有效性。数据集与代码将公开。
引用
@article{arxiv.2112.08550,
title = {Neural Content Extraction for Poster Generation of Scientific Papers},
author = {Sheng Xu and Xiaojun Wan},
journal= {arXiv preprint arXiv:2112.08550},
year = {2021}
}