SueNes：一种基于负采样的弱监督单文档摘要评价方法
计算与语言
2022-05-06 v3 信息检索
机器学习
摘要
规范的自动摘要评价指标，如 ROUGE，侧重于词汇相似度，不能很好地捕捉语义或语言质量，且需要代价高昂的参考摘要。近来，越来越多的研究致力于缓解上述两个缺陷之一或两者。在本文中，我们提出了一项概念验证研究，即一种在无参考摘要情况下的弱监督摘要评价方法。现有摘要数据集中的海量数据通过将被损参考摘要与文档配对而转化用于训练。在跨域测试中，我们的策略以可观的提升优于基线，并显示出在衡量语言质量上优于所有指标的巨大优势。
引用
@article{arxiv.2005.06377,
title = {SueNes: A Weakly Supervised Approach to Evaluating Single-Document Summarization via Negative Sampling},
author = {Forrest Sheng Bao and Hebi Li and Ge Luo and Minghui Qiu and Yinfei Yang and Youbiao He and Cen Chen},
journal= {arXiv preprint arXiv:2005.06377},
year = {2022}
}
备注
accepted into NAACL 2022