Abstractive Document Summarization with a Graph-Based Attentional Neural Model

最新推荐文章于 2023-04-08 20:19:43 发布
原创 最新推荐文章于 2023-04-08 20:19:43 发布 · 745 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

该博客围绕基于图的注意力神经模型进行文档摘要相关内容阐述，虽未给出具体内容，但从标题可知聚焦此模型在文档摘要方面的应用，属于信息技术领域自然语言处理范畴。
EMNLP2020中事件抽取/关系抽取/NER/少样本/MRC/摘要 论文分类整理
carrie_0307的博客
10-15 4239
事件抽取 主会 A Method for Building a Commonsense Inference Dataset based on Basic Events Affective Event Classification with Discourse-enhanced Self-training Biomedical Event Extraction as Sequence Labeling Connecting the Dots: Event Graph Schema Induct
【2011-2016】 NIPS汇总 - Advances in Neural Information Processing Systems
热门推荐
Testing的博客
10-02 1万+
Advances in Neural Information Processing Systems 24 (NIPS 2011) The papers below appear in Advances in Neural Information Processing Systems 24 edited by J. Shawe-Taylor and R.S. Zemel and P.L.
[转]深度学习论文推荐
09-27 942
Startups 机器学习、深度学习、计算机视觉、大数据创业公司 - Startups in AI Deep Reinforcement Learning David Silver. "Tutorial: Deep Reinforcement Learning." ICML 2016. David Silver’s course. "Reinforcement Learning"....
200+篇Graph4NLP文献集：图深度学习在NLP任务的应用
Kaiyuan_sjtu的博客
06-11 4633
大家好，我是kaiyuan刷gayhub发现的好东西，当然第一时间分享给朋友们啦！一份图深度学习自然语言处理文献集，详细梳理了NLP十二项任务中，图神经网络的具体应用。来看看具体的内容吧...
Abstractive Summarization
weixin_30561177的博客
07-25 1422
Sequence-to-sequence Framework A Neural Attention Model for Abstractive Sentence Summarization Alexander M. Rush et al., Facebook AI Research/Harvard EMNLP2015 sentence level seq2seq模型在2014年提出，这篇论文是...
[摘要生成]Knowledge Graph-Augmented Abstractive Summarization with Semantic-Driven Cloze Reward
SARACH_WONG的博客
01-13 932
arxiv 2020 疑惑 数据集： NYT：training, validation, and test sets 588909, 32716, and 32703 samples CNN/Daily：training, validation, and test sets 287188, 13367, and 11490 samples graph如何构建? 利用了OpenIE graph如何应用？ 两种形式：1）捕获文档级别的交互 ；2）段落内的交互和段落之间主题的转移。这两个合起来是g
整理研究方向（1）【未完成】
qq_35780315的博客
07-26 2727
整理从交通流量预测发展到其他方向的团队文章，并研究调研我们可以研究的方向
IEEE Transactions on Geoscience and Remote Sensing(IEEE TGRS)中深度学习相关文章及研究方向总结
想到好名再改的博客
04-08 1万+
本文旨在调研TGRS中所有与深度学习相关的文章，以投稿为导向，总结其研究方向规律等。文章来源为EI检索记录，选取2020到2023年期间录用的所有文章，约4000条记录。同时，考虑到可能有会议转投期刊，模型改进转投或相关较强等情况，本文也添加了这些文章。
【CVPR2022】论文列表与下载——PartThree
TomRen
06-12 5182
【CVPR2022】完整论文列表
Controllable Abstractive Summarization
FrankYu
12-03 1115
Controllable Abstractive SummarizationAngela Fan, David Grangier, Michael Auli Facebook AI Research，Menlo Park, CABackgoundSequence-to-Sequence(encoder-decoder) Attention mechanism Pointer Networks
强化学习《A DEEP REINFORCED MODEL FOR ABSTRACTIVE SUMMARIZATION》论文阅读笔记
彭伟的博客
02-23 1532
《A DEEP REINFORCED MODEL FOR ABSTRACTIVE SUMMARIZATION》 引言 最近接触到了一个新的概念policy gradient。在强化学习当中，基本思想是根据当前的状态，计算采取每个动作的价值，然后根据价值去贪心选择动作。如果省略中间步骤，直接根据状态，输出动作，也就是强化学习当中另外一种重要的方法。具体的大家可以参考这一篇博客 这一篇文章，主要是在a...
[摘要生成]Boosting Factual Correctness of Abstractive Summarization with Knowledge Graph
SARACH_WONG的博客
01-14 858
2020 paper: https://arxiv.org/pdf/2003.08612.pdf 切入点：factual correctness 提出两个模型： Fact-Aware Summarization model, FASUM：which extracts factual relations from the article to build a knowledge graph and integrates it into the neural decoding process. a Factu
【论文阅读ACL2020】Leveraging Graph to Improve Abstractive Multi-Document Summarization
敲代码的乔帮主
06-16 2857
题目：Leveraging Graph to Improve Abstractive Multi-Document Summarization （基于图表示的生成式多文档摘要方法 ） 会议：ACL2020 论文地址：https://arxiv.org/abs/2005.10043 其他：出自百度NLP小组工作 这个是百度 NLP 小组在 ACL2020 上面的一篇工作，当前多文档摘要应用场景和需求也越来越多，接下来我将就论文主要内容做介绍。 目录 1.多文档摘要 2...
微软2021校园招聘正式启动
Paper weekly
08-18 568
????现在，在「知乎」也能找到我们了进入知乎首页搜索「PaperWeekly」点击「关注」订阅我们的专栏吧关于PaperWeeklyPaperWeekly 是一个推荐、解读、讨论、报道...
入坑Abstractive Summarization：文本摘要CNN/DM数据集
木尧大兄弟
03-18 1万+
几个CNN/DM数据集的地址： 【万x之源】最初版本的CNN/DM：https://cs.nyu.edu/~kcho/DMQA/ 下图大兄弟用来创造非匿名数据集的代码：https://github.com/abisee/cnn-dailymail（为啥不直接给出处理完的数据集呢？作者说“出于法律原因”，毕竟不是自己的数据嘛，可以理解~） 这位兄弟迎♂而上！提供了分词完事儿的数据：https...
[论文阅读]《A Template-based Abstractive Meeting Summarization》
随笔记录代码本
08-09 608
本文是一篇较老的文章了，发表于2014年。文章所提出的思路为生成摘要模型，选择摘要模型，填写摘要模型。作者以会议的摘要为提取对象，所有的语料都是有主讲人的主动语态的句子。 这里主要介绍系统的整体架构： 整个系统分为两个大的模块，离线的模型生成阶段和在线的摘要生成阶段。 1. 模型生成阶段 第一步，从由人写的摘要中归纳，将其中的名词用一个上义祠（个人理解就是这个词是该名词的母集，e.g...
自动文摘（Automatic document summarization）方法综述（四）——基于神经网络的（neural summarization）方法
zxhohai的博客
10-31 4822
前三篇博客（一）、（二）、（三）总结了抽取式自动文摘的一些经典方法，传统抽取式自动文摘方法将文档简单地看作是一组文本单元（短语、句子等）的集合，忽略了文档所表达的全局语义，难免“断章取义”。随着算力的提升，深度学习在很多应用中非常的火热也取得了state-of-the-art的性能，因此，将神经网络模型引入自动文摘任务是理所当然的，将文档用神经网络模型进行表示被称为神经文档模型（neural do...
ADSO Summarization
陈家小五の SAP BW 成长日记
05-15 4158
其实一直想整理自己了解到的关于 ADSO 的知识。 现在终于开了这个坑。 汇总的笔记就写在这里啦！嘻嘻~SAP 现在是打算用 ADSO 来代替 PSA, DataStore Object and InfoCube. 在 persistence layer 层面 （这个设计到了 LSA++ 架构） 根据我们设置的不同 ADSO 可以模拟各种类型的 DSO 以及 InfoCubes这个Wiki很
Salient Information Prompting to Steer Content in Prompt-based Abstractive Summarization
最新发布
03-09
### 提示性信息引导技术在基于提示的抽象概括方法中的作用 在处理基于提示的抽象概括时，提示性信息引导技术扮演着至关重要的角色。这些技术旨在通过精心设计的输入提示来指导模型生成更精确、更有意义的内容摘要。 #### 设计有效的提示词 为了提高抽象概括的质量，可以采用特定类型的提示词[^1]。例如，在构建提示时加入显式的指示语句，告诉模型应该关注哪些方面或者希望得到怎样的输出形式。这有助于聚焦于文档的关键部分并忽略无关紧要的信息。 #### 利用上下文增强提示效果 除了简单的关键词外，还可以利用上下文信息进一步优化提示的效果。这意味着不仅提供待总结的文字材料本身作为输入，还可能附加额外的相关背景资料或先前讨论过的主题线索给到AI智能体的大脑模块。这样做可以让智能体更好地理解整个对话的历史以及当前任务的具体需求，从而产出更加贴合实际场景的结果。 #### 结合多模态数据提升表现力 当涉及到多媒体资源（如图像、视频等）时，则可以通过引入视觉模态的作用来进行跨媒体的理解与表达。这种情况下，智能体会借助其内置的记忆机制——即短期记忆加上长期记忆功能——去关联不同种类的数据源之间的联系，并据此调整最终产生的文字描述风格和重点。 ```python def generate_summary(prompt, context=None, media_data=None): """ Generate a summary based on the given prompt and optional contextual information. :param prompt: The main text to be summarized or question asked by user :param context: Additional background info that helps understand the topic better :param media_data: Any relevant multimedia files (images/videos) associated with the subject matter :return: A concise yet informative abstract of the input material """ # Implementation details here... ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值