추상적 타임라인 요약을 위한 학습

타임라인 요약은 시간 흐름에 따른 사건의 발전 과정을 간결하게 요약하는 것을 목표로 하며, 기존의 타임라인 요약 방법들은 모두 추출형(Extractive) 접근법에 기반하고 있다. 본 논문에서는 시계열 이벤트에 포함된 정보를 간결하게 재구성하는 추상형(Abstractive) 타임라인 요약이라는 새로운 작업을 제안한다. 기존의 문서 요약과 달리, 타임라인 요약은 입력된 이벤트들의 시계열 정보를 모델링하고, 사건들을 시간 순서에 따라 중요한 사건들을 요약해야 한다. 이러한 과제를 해결하기 위해, 메모리 기반의 타임라인 요약 모델(Memory-based Timeline Summarization, MTS)을 제안한다. 구체적으로, 타임라인을 구축하기 위해 시간-이벤트 메모리(Time-Event Memory)를 도입하고, 이 메모리 내에서 이벤트의 시간 위치를 기반으로 생성 과정을 안내한다. 또한, 각 디코딩 단계에서 이벤트 수준의 정보를 단어 수준의 어텐션에 통합하여 사건 간 혼동을 방지한다. 대규모 실세계 데이터셋을 대상으로 광범위한 실험을 수행한 결과, MTS는 자동 평가와 인공 평가 모두에서 최고 성능을 달성함을 확인하였다.