Bitte benutzen Sie diese Referenz, um auf diese Ressource zu verweisen:
Volltext verfügbar? / Dokumentlieferung
doi:10.22028/D291-42313
Dateien zu diesem Datensatz:
Es gibt keine Dateien zu dieser Ressource.
Titel: | Incorporating Distributions of Discourse Structure for Long Document Abstractive Summarization |
VerfasserIn: | Pu, Dongqi Wang, Yifan Demberg, Vera ![]() |
HerausgeberIn: | Rogers, Anna |
Sprache: | Englisch |
In: | |
Titel: | The 61st Conference of the the Association for Computational Linguistics : July 9-14, 2023 : ACL 2023 : Volume 1: Long papers |
Seiten: | 5574-5590 |
Verlag/Plattform: | ACL |
Erscheinungsjahr: | 2023 |
Erscheinungsort: | Stroudsburg, PA |
Konferenzort: | Toronto, Canada |
DDC-Sachgruppe: | 004 Informatik 400 Sprache, Linguistik |
Dokumenttyp: | Konferenzbeitrag (in einem Konferenzband / InProceedings erschienener Beitrag) |
Abstract: | For text summarization, the role of discourse structure is pivotal in discerning the core content of a text. Regrettably, prior studies on incorporating Rhetorical Structure Theory (RST) into transformer-based summarization models only consider the nuclearity annotation, thereby overlooking the variety of discourse relation types. This paper introduces the 'RSTformer', a novel summarization model that comprehensively incorporates both the types and uncertainty of rhetorical relations. Our RST-attention mechanism, rooted in document-level rhetorical structure, is an extension of the recently devised Longformer framework. Through rigorous evaluation, the model proposed herein exhibits significant superiority over state-of-the-art models, as evidenced by its notable performance on several automatic metrics and human evaluation. |
Link zu diesem Datensatz: | urn:nbn:de:bsz:291--ds-423132 hdl:20.500.11880/37985 http://dx.doi.org/10.22028/D291-42313 |
ISBN: | 978-1-959429-72-2 |
Datum des Eintrags: | 1-Jul-2024 |
Fakultät: | MI - Fakultät für Mathematik und Informatik |
Fachrichtung: | MI - Informatik |
Professur: | MI - Prof. Dr. Vera Demberg |
Sammlung: | SciDok - Der Wissenschaftsserver der Universität des Saarlandes |
Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.