分页：关键在于内容而非时长

分页是指在多文章版面中确定文章跨页断点的过程，这是大多数商业印刷报纸和杂志面临的常见版面挑战。迄今为止，尚未有人创造出一种能根据文章内容确定最小分页断点的算法。现有的自动多文章版面方法仅专注于最大化内容（文章数量）和优化美学呈现（例如文章间距）。然而，忽视文章内的语义信息可能导致过度激进的切割，从而删除关键内容并可能混淆读者，或者设置过于宽松的断点，从而保留多余内容并使自动版面更加困难。这是从手动版面走向完全自动化流程道路上剩余的 challenge 之一，同时仍需确保文章内容质量。在这项工作中，我们提出了一种计算文档最小断点以用于分页任务的新方法。我们的方法使用统计语言模型根据文章的语义内容预测最小断点。随后，我们比较了 4 种新颖的候选方法和 4 种基线方法（目前由版面算法使用）。实验结果表明，我们的一种方法显著优于基线和替代方案。第二项研究的结果表明，人类无法就单一的“最佳”断点达成一致。因此，这项工作表明，在现实世界的背景下，基于语义的下界断点预测对于理想的自动化文档合成是必要的。