Lernen für abstraktive Zeitstrahlzusammenfassung

Die Timeline-Zusammenfassung zielt darauf ab, die Entwicklungslinie entlang einer Zeitskala präzise zu summarisieren, wobei bestehende Ansätze zur Timeline-Zusammenfassung sämtlich auf extraktiven Methoden basieren. In diesem Artikel stellen wir die Aufgabe der abstraktiven Timeline-Zusammenfassung vor, die darauf abzielt, die Informationen in zeitstempelbasierten Ereignissen prägnant umzuformulieren. Im Gegensatz zur traditionellen Dokumentzusammenfassung muss die Timeline-Zusammenfassung die zeitliche Reihenfolge der Eingabeeignisse modellieren und wichtige Ereignisse chronologisch zusammenfassen. Um diese Herausforderung zu bewältigen, schlagen wir ein speicherbasiertes Modell zur Timeline-Zusammenfassung (Memory-based Timeline Summarization, MTS) vor. Konkret führen wir einen Zeit-Ereignis-Speicher ein, um eine zeitliche Struktur aufzubauen, und nutzen die zeitliche Position der Ereignisse innerhalb dieser Struktur, um den Generierungsprozess zu leiten. Zudem integrieren wir in jedem Decodierschritt ereignisbasierte Informationen in die wortbasierte Aufmerksamkeit, um Verwechslungen zwischen Ereignissen zu vermeiden. Umfassende Experimente werden auf einem großskaligen, realen Datensatz durchgeführt, und die Ergebnisse zeigen, dass MTS sowohl in automatisierten als auch in menschlichen Bewertungen die derzeit beste Leistung erreicht.