跳到正文
热点事件持续更新

研究者提出MLEGT对话摘要模型

1 篇报道1 个报道来源11 小时前更新

先了解这件事

AI 综述

研究者提出面向任务型对话摘要的模型 MLEGT,用多级编码器捕捉对话的时序与空间依赖,并在图构建过程中得到全局主题,以突破长距离限制、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。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月22日
  1. arXiv cs.CL
    MLEGT:用多级编码器与全局主题实现任务型对话摘要

    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。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。