qq_42920313的博客

1、Coreference-Aware Dialogue Summarization 把共指信息通过GNN融入到系统中，提升factual correctness 创新点：首次通过GNN将共指信息融入到对话摘要中 可以做出改进的地方：在GNN结构上进行改进，添加其他语义信息，定义新的评价方式… 摘要 目前的对话摘要存在的问题有：非结构信息、说话人之间的非正式交互、随着对话发展说话人角色的动态变化。这些问题产生了复杂的共指关系。这篇文章调查了多种方式，关于详细地融合了共指信息在神经生成式对话摘要模型中，去解决

Synthesizer:Rethinking self-attention for transformer models 提出了synthesizer Dense Synthesizer Random Synthesizer KACE NLI 对为什么分出这个类别进行解释。 不光要判断出为什么是why A 还要判断为什么是not B 构造样本 给定Premise Hypothesis SNLI Label 红色的词为线索，用Word-net的知识库中一个范围更大的词将Hypothesis中红色的词进行替换