Recent Trends in Unsupervised Summarization

要約

教師なし要約は、ラベル付きデータセットを必要とせずに要約モデルのトレーニングを可能にする強力な手法です。
この調査では、教師なし要約に使用されるさまざまな最近の手法とモデルを取り上げます。
教師なし要約を実現するために使用される、抽出的、抽象的、およびハイブリッドのモデルと戦略について説明します。
この調査の主な焦点は最近の研究ですが、重要な先行研究の一部も取り上げています。
さらに、教師なしトレーニングへのアプローチに基づいてさまざまな研究を分類する分類法を導入します。
最後に、現在のアプローチについて説明し、いくつかのデータセットと評価方法について言及します。

要約(オリジナル)

Unsupervised summarization is a powerful technique that enables training summarizing models without requiring labeled datasets. This survey covers different recent techniques and models used for unsupervised summarization. We cover extractive, abstractive, and hybrid models and strategies used to achieve unsupervised summarization. While the main focus of this survey is on recent research, we also cover some of the important previous research. We additionally introduce a taxonomy, classifying different research based on their approach to unsupervised training. Finally, we discuss the current approaches and mention some datasets and evaluation methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google