抽象式对话摘要分类法：场景、方法与未来方向

抽象式对话摘要旨在生成简洁流畅的摘要，涵盖两个或更多对话者之间对话中的关键信息。近年来，随着社交沟通平台的海量涌现以及对高效对话信息理解与消化的迫切需求，该任务受到了极大关注。不同于传统文档摘要中的新闻或文章，对话具有独特的特征和额外的挑战，包括不同的语言风格与格式、分散的信息、灵活的语篇结构以及不清晰的 topic 边界。本综述从场景、方法到评估对现有抽象式对话摘要工作进行了全面调研。根据输入对话的类型将任务分为两大类，即开放域和任务导向型，并从三个方向呈现现有技术的分类：注入对话特征、设计辅助训练任务和使用额外数据。为完整起见，总结了不同场景下的数据集以及被广泛接受的评估指标。此后，总结了场景与技术的趋势，并深入洞察了被广泛应用的特征与不同场景之间的关联。基于这些分析，我们建议未来方向包括更具可控性和复杂性的场景、技术创新与对比、特殊领域的公开可用数据集等。