用于无监督观点摘要的简洁而有效的合成数据集构建
计算与语言
2023-03-22 v1
摘要
观点摘要为汇总大量评论中所表达的观点提供了重要解决方案。然而，由于缺乏标注数据，生成方面特定与一般性摘要具有挑战性。在本工作中，我们提出两种简洁而有效的无监督方法，通过在与方面相关的评论内容所构建的合成数据集上训练，来生成方面特定与一般性观点摘要。我们的第一种方法，基于种子词的留一法（SW-LOO），仅通过精确匹配方面种子词来识别评论中与方面相关的部分，在 SPACE 上方面特定观点摘要的 ROUGE-L 指标超越现有方法 3.4 分，在 OPOSUM+ 上 ROUGE-1 指标超越 0.5 分。我们的第二种方法，基于自然语言推理的留一法（NLI-LOO）利用 NLI 模型在更通用的设定下识别与方面相关的句子而无需使用种子词，在 SPACE 上方面特定观点摘要的 ROUGE-L 指标超越现有方法 1.2 分，并在其他指标上保持竞争力。
引用
@article{arxiv.2303.11660,
title = {Simple Yet Effective Synthetic Dataset Construction for Unsupervised Opinion Summarization},
author = {Ming Shen and Jie Ma and Shuai Wang and Yogarshi Vyas and Kalpit Dixit and Miguel Ballesteros and Yassine Benajiba},
journal= {arXiv preprint arXiv:2303.11660},
year = {2023}
}
备注
EACL 2023 Findings