SummVis：面向文本摘要的模型、数据与评估的交互式可视化分析
计算与语言
2021-07-27 v2
摘要
新颖的神经架构、训练策略以及大规模语料库的可用性，是近年来抽象式文本摘要取得进展的驱动力。然而，由于神经模型的黑盒性质、缺乏信息量的评估指标以及用于模型和数据分析的工具有限，摘要模型的真实性能与失败模式在很大程度上仍属未知。为应对这一局限，我们引入了 SummVis，一个用于可视化抽象式摘要的开源工具，可对与文本摘要相关的模型、数据和评估指标进行细粒度分析。通过其词汇与语义可视化，该工具为跨事实一致性或抽象程度等重要维度的深入模型预测探索提供了简便的切入点。该工具及若干预计算模型输出可在 https://github.com/robustness-gym/summvis 获取。
引用
@article{arxiv.2104.07605,
title = {SummVis: Interactive Visual Analysis of Models, Data, and Evaluation for Text Summarization},
author = {Jesse Vig and Wojciech Kryściński and Karan Goel and Nazneen Fatema Rajani},
journal= {arXiv preprint arXiv:2104.07605},
year = {2021}
}
备注
Accepted to ACL 2021 System Demonstrations