SciReviewGen:用于自动文献综述生成的大规模数据集
计算与语言
2023-05-25 v1 人工智能
摘要
自动文献综述生成是自然语言处理中最具挑战性的任务之一。尽管大语言模型已尝试解决文献综述生成,但大规模数据集的缺失一直是进展的绊脚石。我们发布了 SciReviewGen,包含超过 10,000 篇文献综述以及综述中引用的 690,000 篇论文。基于该数据集,我们评估了近期基于 transformer 的摘要模型在文献综述生成任务上的表现,包括为文献综述生成扩展的 Fusion-in-Decoder。人工评估结果表明,部分机器生成的综述可与人工撰写的综述相媲美,同时也揭示了自动文献综述生成的挑战,如幻觉与缺乏详细信息。我们的数据集与代码发布于 https://github.com/tetsu9923/SciReviewGen。
引用
@article{arxiv.2305.15186,
title = {SciReviewGen: A Large-scale Dataset for Automatic Literature Review Generation},
author = {Tetsu Kasanishi and Masaru Isonuma and Junichiro Mori and Ichiro Sakata},
journal= {arXiv preprint arXiv:2305.15186},
year = {2023}
}
备注
ACL findings 2023 (to be appeared). arXiv admin note: text overlap with arXiv:1810.04020 by other authors