Leveraging Discourse Structure for Extractive Meeting Summarization

要約

私たちは、談話構造を活用して、複雑な複数の当事者による議論から重要な情報をより適切に特定する、会議用の抽出的要約システムを導入します。
談話グラフを使用して会議での発話内容間の意味関係を表現し、GNN ベースのノード分類モデルをトレーニングして最も重要な発話を選択し、それらを組み合わせて抽出的な要約を作成します。
AMI と ICSI に関する実験結果は、分類と要約の両方のメトリクスによって測定されるように、私たちのアプローチが既存のテキストベースおよびグラフベースの抽出要約システムを超えていることを示しています。
さらに、私たちは談話構造と関係タイプに関するアブレーション研究を実施し、談話分析理論を活用した将来の NLP アプリケーションへの洞察を提供します。

要約(オリジナル)

We introduce an extractive summarization system for meetings that leverages discourse structure to better identify salient information from complex multi-party discussions. Using discourse graphs to represent semantic relations between the contents of utterances in a meeting, we train a GNN-based node classification model to select the most important utterances, which are then combined to create an extractive summary. Experimental results on AMI and ICSI demonstrate that our approach surpasses existing text-based and graph-based extractive summarization systems, as measured by both classification and summarization metrics. Additionally, we conduct ablation studies on discourse structure and relation type to provide insights for future NLP applications leveraging discourse analysis theory.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google