开源项目推荐：Evaluating the Factual Consistency of Abstractive Text Summarization

开源项目推荐：Evaluating the Factual Consistency of Abstractive Text Summarization

factCC Resources for the "Evaluating the Factual Consistency of Abstractive Text Summarization" paper 项目地址: https://gitcode.com/gh_mirrors/fa/factCC

1. 项目基础介绍和主要编程语言

本项目是由Salesforce团队开发的开源项目，旨在评估抽象文本摘要的事实一致性。项目的核心是提出了一种基于模型的弱监督方法，用于验证事实一致性并识别源文档与生成的摘要之间的冲突。主要编程语言为Python，占比约94.3%，其次为Shell脚本，占比约5.7%。

2. 项目的核心功能

• 数据生成：通过一系列基于规则的变换对源文档的句子进行处理，生成训练数据。
• 模型训练：模型同时训练三个任务：识别句子在变换后是否保持事实一致性、从源文档中提取支持一致性预测的跨度、如果存在不一致，则从摘要句子中提取跨度。
• 模型评估：将模型应用于几种最先进的模型生成的摘要中，结果表明这种方法在可扩展性方面表现优于以前的模型。
• 辅助跨度提取：辅助跨度提取任务在验证事实一致性过程中提供了有用的帮助。

3. 项目最近更新的功能

• 数据文件更新：手动注释的数据文件已更新，修复了文件路径错位示例。
• 模型检查点文件更新：重新计算了修正示例的评价指标。
• 代码优化：项目代码持续优化，提高了稳定性和性能。

（文章完）

factCC Resources for the "Evaluating the Factual Consistency of Abstractive Text Summarization" paper 项目地址: https://gitcode.com/gh_mirrors/fa/factCC