Published January 1, 2018
| Version v1
Publication
Open
Adapting Neural Single-Document Summarization Model for Abstractive Multi-Document Summarization: A Pilot Study
- 1. Peking University
- 2. Czech Academy of Sciences, Institute of Computer Science
Description
Till now, neural abstractive summarization methods have achieved great success for single document summarization (SDS).However, due to the lack of large scale multi-document summaries, such methods can be hardly applied to multi-document summarization (MDS).In this paper, we investigate neural abstractive methods for MDS by adapting a state-of-the-art neural abstractive summarization model for SDS.We propose an approach to extend the neural abstractive model trained on large scale SDS data to the MDS task.Our approach only makes use of a small number of multi-document summaries for fine tuning.Experimental results on two benchmark DUC datasets demonstrate that our approach can outperform a variety of baseline neural models.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
حتى الآن، حققت طرق التلخيص التجريدي العصبي نجاحًا كبيرًا لتلخيص وثيقة واحدة (SDS). ومع ذلك، نظرًا لعدم وجود ملخصات متعددة الوثائق على نطاق واسع، لا يمكن تطبيق هذه الأساليب على التلخيص متعدد الوثائق (MDS). في هذه الورقة، قمنا بالتحقيق في الأساليب التجريدية العصبية لـ MDS من خلال تكييف نموذج تلخيص عصبي حديث لـ SDS. نقترح نهجًا لتوسيع النموذج التجريدي العصبي المدرب على بيانات SDS واسعة النطاق لمهمة MDS. يستخدم نهجنا فقط عددًا صغيرًا من الملخصات متعددة الوثائق للضبط الدقيق. أظهرت النتائج التجريبية على مجموعتي بيانات دوك معياريتين أن نهجنا يمكن أن يتفوق على مجموعة متنوعة من النماذج العصبية الأساسية.Translated Description (English)
Till now, neural abstract summarization methods have achieved great success for single document summarization (SDS) .However, due to the lack of large scale multi-document summaries, such methods can be hardly applied to multi-document summarization (MDS).In this paper, we investigated neural abstract methods for MDS by adapting a state-of-the-art neural abstract summarization model for SDS.We propose an approach to extend the neural abstract model trained on large scale SDS data to the MDS task.Our approach only makes use of a small number of multi-document summaries for fine tuning.Experimental results on two benchmark DUC datasets demonstrated that our approach can outperform a variety of baseline neural models.Translated Description (French)
Jusqu'à présent, les méthodes de synthèse abstraite neuronale ont connu un grand succès pour la synthèse de document unique (SDS). Cependant, en raison de l'absence de résumés multi-documents à grande échelle, de telles méthodes peuvent difficilement être appliquées à la synthèse multi-documents (Mds). Dans cet article, nous avons étudié les méthodes abstraites neuronales pour Mds en adaptant un modèle de synthèse abstraite neuronale de pointe pour SDS. Nous proposons une approche pour étendre le modèle abstrait neuronal formé sur des données SDS à grande échelle à la tâche Mds. Notre approche n'utilise qu'un petit nombre de résumés multi-documents pour le réglage fin. Les résultats expérimentaux sur deux ensembles de données DUC de référence ont démontré que notre approche peut surpasser une variété de modèles neuronaux de base.Translated Description (Spanish)
Hasta ahora, los métodos de resumen abstracto neuronal han logrado un gran éxito para el resumen de documentos únicos (SDS). Sin embargo, debido a la falta de resúmenes de documentos múltiples a gran escala, dichos métodos apenas se pueden aplicar al resumen de documentos múltiples (MDS). En este documento, investigamos los métodos abstractos neuronales para MDS adaptando un modelo de resumen abstracto neuronal de última generación para SDS. Proponemos un enfoque para extender el modelo abstracto neuronal entrenado en datos de SDS a gran escala a la tarea MDS. Nuestro enfoque solo utiliza un pequeño número de resúmenes de documentos múltiples para el ajuste fino. Los resultados experimentales en dos conjuntos de datos DUC de referencia demostraron que nuestro enfoque puede superar una variedad de modelos neuronales de referencia.Files
W18-6545.pdf.pdf
Files
(226 Bytes)
| Name | Size | Download all |
|---|---|---|
|
md5:5360980bad11bf9723da89687501effc
|
226 Bytes | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- تكييف نموذج تلخيص وثيقة واحدة عصبية للتلخيص التجريدي متعدد الوثائق: دراسة تجريبية
- Translated title (English)
- Adapting Neural Single-Document Summarization Model for Abstractive Multi-Document Summarization: A Pilot Study
- Translated title (French)
- Adapter le modèle de synthèse neuronale d'un seul document pour la synthèse abstraite de plusieurs documents : une étude pilote
- Translated title (Spanish)
- Adaptación del modelo de resumen neuronal de un solo documento para el resumen abstracto de múltiples documentos: un estudio piloto
Identifiers
- Other
- https://openalex.org/W2902706465
- DOI
- 10.18653/v1/w18-6545
References
- https://openalex.org/W1976507745
- https://openalex.org/W2051618067
- https://openalex.org/W2083778364
- https://openalex.org/W2114146928
- https://openalex.org/W2119706777
- https://openalex.org/W2317879529
- https://openalex.org/W2467173223
- https://openalex.org/W2598569220
- https://openalex.org/W2606974598
- https://openalex.org/W2740801750
- https://openalex.org/W2740888353
- https://openalex.org/W2741375528