选择与摘要：用于电影剧本摘要生成的场景显著性

由于当前语言模型的计算与内存限制，对电影剧本等长篇叙事文本进行生成式摘要具有挑战性。电影剧本通常包含大量场景；然而，仅少部分场景具有显著性，即对理解整体叙事至关重要。若一个场景在摘要中被提及，则可将其视为显著场景，以此实现场景显著性的操作化。由于缺乏合适的数据集，自动识别显著场景十分困难。在本研究中，我们构建了一个场景显著性数据集，包含100部电影的人工标注显著场景。我们提出了一种两阶段生成式摘要方法，首先识别剧本中的显著场景，然后仅使用这些场景生成摘要。使用基于问答(QA)的评估，我们表明我们的模型优于先前最先进的摘要生成方法，并且比将整个电影剧本作为输入的模型更准确地反映了电影的信息内容。