大、小或两者皆用：一种基于语言模型的新型数据增强框架用于去偏见化观点摘要

SUMMaug是一种基于摘要的数据增强方法，能够解决预训练语言模型在理解长文本时的数据稀疏问题。

半监督学习方法可以增强文本生成的输出质量和多样性，即使在使用预训练语言模型的情况下。

提出用语言模型生成对抗样本以提高文本摘要模型的鲁棒性，并通过流形混合操作引入更多编码器输出。

OpinionDigest框架使用基于方面的情感分析模型，能够从多个评论中提取和转化用户观点，生成定制的意见摘要。

通过扰动方法和基于上下文的掩码语言模型，能够在保持核心语义的同时提高情感分数，提供更客观的新闻报道。

SUBSUMM框架能够从大量评论中生成多角度的意见摘要，深度分析显示训练方案对摘要性能至关重要。

基于对比学习框架的预训练语言模型微调方法在无标记和有标记数据上提高了句子表示质量。

研究量化并减少语言模型中的情感偏见，提出正则化方法以提高公正度量，同时保持语义相似性。