谁说得像维生素的风格：基于多任务学习的语法感知对话摘要

生成式对话摘要是一项具有挑战性的任务，原因有几点。首先，对话中大部分重要信息分散在具有不同文本风格的多方交互话语中。其次，对话通常具有非正式结构，其中不同个体表达个人观点，不同于通常针对新闻文章等正式文档的文本摘要任务。为了解决这些问题，我们关注个体说话者的话语与独特句法结构之间的关联。说话者具有独特的文本风格，其中可以包含语言信息，如声纹。因此，我们通过利用语言信息（即词性标注）构建了一个语法感知模型，该模型通过本质上区分个体说话者说出的话语来缓解上述问题。我们采用了语法感知信息与对话摘要的多任务学习。据我们所知，我们的方法是首次将多任务学习应用于对话摘要任务的方法。在 SAMSum 语料库（一个大规模对话摘要语料库）上的实验表明，我们的方法相比基础模型有所改进。我们进一步分析了我们的方法相对于基线模型的成本与收益。