Abstractive Meeting Summarization: A Survey

要約

タイトル：会議の要約作成に関する調査

要約：
– 会話の中で最も重要なポイントを確実に特定し、総括的にまとめるシステムは、ビジネス会議から医療相談まで、様々な実世界の文脈で価値がある。
– 深層学習の進歩により、特にエンコーダ・デコーダ・アーキテクチャの発明によって、言語生成システムが大幅に改善され、複数人の会話に特に適した抽象的な要約形式の改善が可能になった。
– 本論文では、抽象的な会議の要約作成タスクで引き起こされる課題、およびこれらの問題を対処するために使用されているデータセット、モデル、および評価メトリックスについて概要を提供する。

要約(オリジナル)

A system that could reliably identify and sum up the most important points of a conversation would be valuable in a wide variety of real-world contexts, from business meetings to medical consultations to customer service calls. Recent advances in deep learning, and especially the invention of encoder-decoder architectures, has significantly improved language generation systems, opening the door to improved forms of abstractive summarization, a form of summarization particularly well-suited for multi-party conversation. In this paper, we provide an overview of the challenges raised by the task of abstractive meeting summarization and of the data sets, models and evaluation metrics that have been used to tackle the problems.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI