面向抽象对话摘要的主题感知对比学习
计算与语言
2021-09-13 v1 人工智能
机器学习
摘要
与新闻报道和百科文章等结构良好的文本不同，对话内容通常来自两个或多个对话者，彼此交换信息。在这种场景下，对话的主题会随着进展而变化，而某个主题的关键信息往往分散在不同说话者的多个话语中，这给抽象式对话摘要带来了挑战。为了捕捉对话中的各种主题信息并勾勒出所捕捉主题的显著事实，本工作提出了两个主题感知的对比学习目标，即连贯性检测和子摘要生成目标，期望它们能隐式地建模主题变化并处理对话摘要任务中的信息分散挑战。所提出的对比目标被构建为对话摘要主任务的辅助任务，并通过交替参数更新策略进行联合。在基准数据集上的大量实验表明，所提出的简单方法显著优于强基线，并达到了新的最优性能。代码和训练模型已通过 \href{https://github.com/Junpliu/ConDigSum}{https://github.com/Junpliu/ConDigSum} 公开。
引用
@article{arxiv.2109.04994,
title = {Topic-Aware Contrastive Learning for Abstractive Dialogue Summarization},
author = {Junpeng Liu and Yanyan Zou and Hainan Zhang and Hongshen Chen and Zhuoye Ding and Caixia Yuan and Xiaojie Wang},
journal= {arXiv preprint arXiv:2109.04994},
year = {2021}
}
备注
EMNLP 2021