面向用户生成内容的查询聚焦观点摘要

我们提出了一个基于次模函数的查询聚焦观点摘要框架。在我们的框架内，由统计排序器生成的相关性排序，以及关于主题分布和不同观点的信息覆盖率，均被编码为次模函数。利用离散度函数来最小化冗余。我们是首个评估基于次模性的摘要方法的不同文本相似度指标的研究者。通过在社区问答和博客摘要上的实验，我们表明我们的系统在自动评估和人工评估中均优于SOTA方法。我们在Amazon Mechanical Turk上进行了大规模的人工评估任务，结果表明我们的系统能够生成具有高整体质量和信息多样性的摘要。