面向主题聚焦摘要的主题选择性图网络
计算与语言
2023-02-28 v1
摘要
由于预训练语言模型 (PLM) 的成功,现有的基于 PLM 的摘要模型展现出强大的生成能力。然而,这些模型在通用目的的摘要数据集上训练,导致生成的摘要无法满足不同读者的需求。为生成带主题的摘要,许多工作致力于主题聚焦摘要。然而,这些工作仅以包含主题词的提示为指导来生成摘要。尽管取得了成功,这些方法仍忽略了非相关主题句子的干扰,且仅通过注意力模块在 token 之间进行交叉交互。为解决此问题,我们提出了主题弧识别目标和主题选择性图网络。首先,主题弧识别目标用于模型训练,赋予模型判别主题的能力。此外,主题选择性图网络可基于主题弧识别结果在句子上进行主题引导的交叉交互。在实验中,我们在 NEWTS 和 COVIDET 数据集上进行了广泛评估。结果表明我们的方法达到了最先进的性能。
引用
@article{arxiv.2302.13106,
title = {Topic-Selective Graph Network for Topic-Focused Summarization},
author = {Shi Zesheng and Zhou Yucheng},
journal= {arXiv preprint arXiv:2302.13106},
year = {2023}
}
备注
PAKDD 2023