arXiv cs.CL· Zhuoqi He, Peijie Huang, Yuhong Xu, Youming Peng, Mingzhi Xu, Xinyang Lin·· 12 小时前AI 评分22
MLEGT：用多级编码器与全局主题实现任务型对话摘要
Multi-level Encoder with Global Topic for Task-oriented Dialogue Summarization
AI 导读
研究者提出任务型对话摘要模型 MLEGT，通过多级编码器捕捉对话的时序与空间依赖，并在图构建过程中获得简洁有效的全局主题，从而突破长距离限制、发现对话内在结构。摘要器还引入全局主题引导的指针机制，用于捕捉此前被忽略但重要的信息以提升摘要准确率。在真实大规模中文审讯数据集和医疗报告服务数据集两个公开数据集上，该方法优于多个强基线。
正文 · AI 翻译
摘要：面向任务的对话摘要旨在自动提取关键信息以生成领域摘要，从而提高服务效率和质量。面向任务的对话本质上具有逻辑性，并围绕特定主题展开。如何有效捕捉对话主题和最显著的信息，成为该任务的主要挑战之一。本文提出了一种利用全局主题的多级编码器面向任务对话摘要模型（MLEGT）。该模型通过多级编码器发现时间和空间依赖关系，同时在图构建过程中获得一个简单而有效的全局主题。它不仅捕捉关键细节，还打破长距离限制，发现对话中的内在结构。然后，在摘要器中加入全局主题引导的指针机制，以捕捉被忽略但重要的信息，这有助于提高摘要的准确性。对两个公开数据集的全面研究，包括一个真实世界的大规模中文警察审讯数据集和一个医疗报告服务数据集，证明了我们的方法在多个强基线上的优越性。
| 评论： | 5 页，3 幅图。发表于 ICASSP 2025 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.29097 [cs.CL] |
| （或 arXiv:2610.29097v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.29097 由 DataCite 颁发的 arXiv DOI（待注册） |
|
| 期刊 参考： | Proc. IEEE ICASSP 2025, pp. 1-5 (2025) |
| 相关 DOI： | https://doi.org/10.1109/ICASSP49660.2025.10890255
链接到相关资源的 DOI |
提交历史
来自：Zhuoqi He [查看电子邮件]
[v1]
2026 年 10 月 21 日星期三 02:41:38 UTC（1,134 KB）
来源：arXiv cs.CL · arxiv.org