利用对话结构汇总多文档以生成元评审
计算与语言
2023-10-24 v4 人工智能
摘要
我们提出 PeerSum，一个用于生成论文元评审的新数据集。元评审可视为对评审意见、多轮讨论及论文摘要的抽取式摘要。这些源文档具有丰富的文档间关系，包含显式分层对话结构、交叉引用及（偶发）冲突信息。为将结构归纳偏置引入预训练语言模型，我们提出 Rammer（关系感知多任务元评审生成器），一种基于对话结构的稀疏注意力及预测元数据特征（如评审评分）的多任务训练目标的模型。实验结果表明，Rammer 在一组自动评价指标上优于其他强基线模型。然而进一步分析揭示，RAMMER 与其他模型难以处理 PeerSum 源文档中的冲突，表明元评审生成是一项具挑战性的任务及有前景的研究方向。
引用
@article{arxiv.2305.01498,
title = {Summarizing Multiple Documents with Conversational Structure for Meta-Review Generation},
author = {Miao Li and Eduard Hovy and Jey Han Lau},
journal= {arXiv preprint arXiv:2305.01498},
year = {2023}
}
备注
Long paper; Accepted to EMNLP 2023; Soundness: 3, 3, 4; Excitement: 3, 4, 4