基于场景与对话结构的摘要生成研究

摘要：

对话摘要是从复杂的对话中提取关键信息以转化成简短的文本,供用户快速浏览对话内容.相比传统文本摘要,对话摘要数据具有篇幅较长、结构复杂等特点.传统的摘要模型难以充分地利用数据的长文本信息,并且无法考虑对话的结构信息.为此,结合抽取和生成模型,提出一种基于场景与对话结构的摘要生成方法,以对话中的场景、角色和对话内容为主要信息生成对话摘要.通过对话解析构建以角色、动作说明和会话为要素的对话结构图,并使用序列标注任务微调B E RT预训练模型,生成以对话句子为单位的向量表示,利用图神经网络建模对话结构,筛选出包含关键信息的句子.在此基础上,将得到的抽取结果作为生成模型的输入,利用双向自回归变压器(B A RT)预训练模型作为基础框架,在编码端额外引入角色和场景信息,丰富生成模型的语义特征,使用加入多头注意力机制的解码器生成摘要.实验结果表明,相比BART、MV_BART、HMNet等方法,该方法在ROUGE-1指标上最高可提升5.3个百分点.

关键词：对话摘要、长文本摘要、文本结构、对话结构、双向自回归变压器预训练

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61976146

在线出版日期：2023-04-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：303-311