面向可解释且高效的基于参考的摘要自动评测
计算与语言
2023-11-17 v2
摘要
可解释性和效率是神经自动指标被采用的两个重要考量因素。在本工作中，我们基于两阶段评测流程开发了性能强劲的基于参考的摘要自动评测指标：该流程首先从一段文本序列中提取基本信息单元，然后在另一序列中核对所提取的单元。我们开发的指标包括可提供细粒度单元级和摘要级高可解释性的两阶段指标，以及可在效率与可解释性之间取得平衡的单阶段指标。我们已在 https://github.com/Yale-LILY/AutoACU 公开所开发的工具。
引用
@article{arxiv.2303.03608,
title = {Towards Interpretable and Efficient Automatic Reference-Based Summarization Evaluation},
author = {Yixin Liu and Alexander R. Fabbri and Yilun Zhao and Pengfei Liu and Shafiq Joty and Chien-Sheng Wu and Caiming Xiong and Dragomir Radev},
journal= {arXiv preprint arXiv:2303.03608},
year = {2023}
}
备注
EMNLP 2023 Camera Ready Version