该文综述文本切分研究，提出将摘要与切分联合学习，并通过优化正则化提升多样性，在科学文章和口语记录上均达最优性能，跨体裁可转移性更好。研究发现，非结构化文本预训练未必提升迁移性，小规模同结构数据从头训练可显著改善分割；Focal Loss 是有效替代；切分有助于提取式摘要减少引导偏差。

该研究提出了一种神经框架，可从在线产品评论中进行意见摘要，只需要轻量级的监督。方法结合了两个弱监督组件，从多个评论中识别显著观点并形成提取式摘要。研究开发了具有黄金标准方面注释、显著标签和意见摘要的人工注释开发和测试集的意见摘要数据集。自动评估显示该方法相对于基线的显著改进，人类评判员更喜欢该方法的意见摘要。