トピック認識型対照学習を用いた要約型対話要約

ニュース報道や百科事典記事など、構造化されたテキストとは異なり、対話コンテンツは通常、二名以上の発話者間で情報のやり取りが行われるため、会話のトピックは進行に伴い変化し得る。また、特定のトピックに関する重要な情報は、複数の発話者にまたがる複数の発話に散在していることが多く、このような特徴は対話要約（dialogue summarization）タスクにおいて要約の抽象化を困難にしている。本研究では、会話の多様なトピック情報を捉え、抽出されたトピックに対応する重要な事実を明確に提示するため、コヒーレンス検出（coherence detection）とサブ要約生成（sub-summary generation）の二つのトピックに配慮した対照学習目的（topic-aware contrastive learning objectives）を提案する。これらの目的は、会話のトピック変化を間接的にモデル化し、情報の散在性という課題に対処することを目的としている。提案手法における対照学習目的は、主タスクである対話要約の補助タスクとして定式化され、代替パラメータ更新戦略により統合される。標準データセット上での広範な実験により、本手法が強力なベースラインを顕著に上回り、新たな最先端性能を達成することが示された。コードおよび学習済みモデルは、\href{https://github.com/Junpliu/ConDigSum}{https://github.com/Junpliu/ConDigSum} にて公開されている。