SWING：在覆盖度与忠实度之间取得平衡的对话摘要方法
计算与语言
2023-01-26 v1
摘要
信息缺失是对话摘要中的一个常见问题，即参考摘要中的某些信息未被生成摘要覆盖。为解决此问题，我们提出利用自然语言推理（NLI）模型来改进覆盖度，同时避免引入事实不一致。具体而言，我们使用 NLI 计算细粒度训练信号，以鼓励模型生成参考摘要中尚未被覆盖的内容，并区分事实一致与不一致的生成句子。在 DialogSum 和 SAMSum 数据集上的实验证实了所提方法在平衡覆盖度与忠实度方面的有效性，并通过自动指标和人工评估进行了验证。此外，我们计算了常用自动指标与人工判断在关于覆盖度和事实一致性的三个不同维度上的相关性，以期为评估对话摘要的最合适指标提供见解。
引用
@article{arxiv.2301.10483,
title = {SWING: Balancing Coverage and Faithfulness for Dialogue Summarization},
author = {Kung-Hsiang Huang and Siffi Singh and Xiaofei Ma and Wei Xiao and Feng Nan and Nicholas Dingwall and William Yang Wang and Kathleen McKeown},
journal= {arXiv preprint arXiv:2301.10483},
year = {2023}
}
备注
Accepted by Findings of EACL 2023