有何新意？科学文献中研究贡献的摘要生成
计算与语言
2020-11-10 v2
摘要
随着每日数千篇学术文章被分享，跟进最新科学发现变得愈发困难。为克服该问题，我们引入了解耦论文摘要这一新任务，旨在为论文贡献与工作背景分别生成独立摘要，从而更易识别文章中的关键发现。为此，我们扩展了涵盖从经济学到心理学等多元领域的S2ORC学术文章语料库，添加了“贡献”与“背景”解耦参考标签。连同该数据集，我们引入并分析了三种基线方法：1）由输入代码前缀控制的统一模型，2）具有专用于生成解耦输出的独立生成头的模型，以及3）利用来自入站与出站引用的额外监督引导模型的训练策略。我们还提出了一种综合自动评估协议，报告生成输出的相关性、新颖性与解耦度。通过涉及专家标注者的人工研究，我们表明在79%的案例中，我们的新任务被认为比传统科学论文摘要更有帮助。
引用
@article{arxiv.2011.03161,
title = {What's New? Summarizing Contributions in Scientific Literature},
author = {Hiroaki Hayashi and Wojciech Kryściński and Bryan McCann and Nazneen Rajani and Caiming Xiong},
journal= {arXiv preprint arXiv:2011.03161},
year = {2020}
}
备注
9 pages, 5 tables, 2 figures