观点摘要的极性校准

观点摘要是从各种主观信息（如产品评论或政治观点）中自动生成摘要。观点摘要的挑战在于呈现分歧甚至冲突的观点。我们对以往的摘要模型进行了分析，发现它们倾向于放大极性偏差，强调多数意见而忽略少数意见。为了解决这个问题并使摘要器表达双方观点，我们引入了极性校准的概念，旨在使输出摘要的极性与输入文本的极性对齐。具体来说，我们开发了一种用于极性校准的强化训练方法。该方法将输出摘要与输入文本之间的极性距离作为奖励反馈给摘要器，并在内容保留和语言自然性之间平衡极性校准。我们在两类观点摘要任务上评估了我们的极性校准模型（PoCa）：总结产品评论和政治观点文章。自动评估和人工评估表明，我们的方法可以减轻输出摘要与输入文本之间的极性不匹配，同时保持内容语义和语言质量。