PORTRAIT：一种用于创建灾难事件抽取式参考摘要的混合方法
计算与语言
2023-05-22 v1 社会与信息网络
摘要
灾难摘要方法提供了社交媒体平台（如Twitter）上灾难事件期间发布的重要信息的概览。然而，发布的信息类型在不同灾难间差异显著，取决于地点、类型、严重程度等多种因素。由于缺乏良好频谱的数据集及参考摘要，灾难摘要方法有效性的验证仍受影响。现有的参考摘要生成方法（抽取式摘要的参考标准）依赖于标注者的经验与直觉。标注者被提供完整的输入推文集合，从中由标注者选取子集作为摘要。该过程需要巨大的人力与时间。此外，这种基于直觉的推文选取可能导致不同标注者生成的摘要间存在高方差。因此，为应对这些挑战，我们提出了一种混合（半自动化）方法（PORTRAIT），其中我们部分自动化了参考摘要生成流程。该方法在确保所创建参考摘要质量的同时，减少了标注者的精力与时间。我们通过现有直觉方法、半自动化方法和PORTRAIT生成的参考摘要在5个灾难事件上的定量与定性比较，验证了PORTRAIT的有效性。我们编制并发布了5个灾难事件的参考摘要，涵盖属于4个不同国家的自然与人为灾难事件。最后，我们利用ROUGE-N F1分数，给出了多种SOTA摘要方法在PORTRAIT生成参考摘要上性能的研究。
引用
@article{arxiv.2305.11536,
title = {PORTRAIT: a hybrid aPproach tO cReate extractive ground-TRuth summAry for dIsaster evenT},
author = {Piyush Kumar Garg and Roshni Chakraborty and Sourav Kumar Dandapat},
journal= {arXiv preprint arXiv:2305.11536},
year = {2023}
}