基于 Cover Trees 的增量抽取式意见摘要
原文中文，约300字，阅读约需1分钟。发表于：。本文研究了在增量设置中进行提取式意见摘要的任务，提出了一种基于 CoverSumm 的高效算法来准确计算 CentroidRank 摘要，并通过理论和实验分析验证了其有效性。实验结果表明，CoverSumm 方法比基线方法快 25 倍，并且能够适应数据分布的细微变化。
该研究提出了一种基于孪生网络的无监督抽取式摘要模型，通过双向预测目标进行训练。该模型可以进行端到端训练，并引入了可微分的长度控制模块。实验证明，该模型在句子编码器相同的情况下，优于基准方法，并在长度控制能力方面表现出色。人工评估结果也证明了该模型在相关性和一致性方面的优势。
