16日前

要約的タイムライン要約への学習

{Meng-Hsuan Yu, Zhangming Chan, Shen Gao, Xiuying Chen, Rui Yan, Dongyan Zhao}
要約的タイムライン要約への学習
要約

タイムライン要約は、時間軸に沿った変遷の流れを簡潔に要約することを目的としており、従来のタイムライン要約手法はすべて抽出型(extractive)アプローチに依拠している。本研究では、時系列イベントに含まれる情報を簡潔に言い換える抽象型(abstractive)タイムライン要約という新しいタスクを提案する。従来のドキュメント要約とは異なり、タイムライン要約は入力イベントの時系列情報をモデル化し、時系列順に重要なイベントを要約する必要がある。この課題に対処するため、メモリベースのタイムライン要約モデル(Memory-based Timeline Summarization model, MTS)を提案する。具体的には、タイムラインを構築するための「時系列-イベントメモリ」を設計し、イベントの時間的位置情報を用いて生成プロセスをガイドする。さらに、各デコードステップにおいて、イベントレベルの情報を単語レベルのアテンションに統合することで、異なるイベント間の混同を回避する。大規模な実世界データセットを用いた広範な実験の結果、MTSは自動評価および人間評価の両面で最先端の性能を達成することが示された。

要約的タイムライン要約への学習 | 最新論文 | HyperAI超神経