基于全局结构感知的文本摘要

文本摘要是自然语言处理（NLP）中的基本任务，信息增长使得长文档处理需求日益增加，使摘要技术变得至关重要。现有研究主要关注模型改进和句子级剪枝，但常忽视全局结构，导致连贯性受损、下游性能削弱。一些研究采用大语言模型（LLM），虽能取得更高准确率，但产生巨大的资源和时间成本。为此，本文引入 GloSA-sum，这是首个实现全局结构感知的摘要方法，基于拓扑数据分析（TDA）实现。GloSA-sum 在保持语义核心与逻辑依赖关系的同时，高效完成文本摘要。具体做法是从句子嵌入构建语义加权图，通过持久同调识别核心语义与逻辑结构，并将其保存于“保护池”作为摘要的骨架。我们设计了拓扑引导的迭代策略，使用轻量代理指标近似句子重要性，以避免重复的高成本计算，从而在保持结构完整性的同时提高效率。为进一步提升长文本处理能力，我们提出了一种层次化策略，整合段级与全局摘要。实验表明，GloSA-sum 在减少冗余的同时，保留了语义与逻辑完整性，在准确率与效率之间取得平衡，并通过缩短上下文而保留关键推理链条，进一步提升 LLM 下游任务的表现。