[論文レビュー] Abstractive Multi-Document Summarization via Phrase Selection and Merging

Lidong Bing, Piji Li+4 more|arXiv (Cornell University)|Jun 4, 2015

Topic Modeling参考文献 48被引用数 36

ひとこと要約

本稿では、整数型線形プログラミング（ILP）を用いて入力文書内の顕著な名詞句と動詞句を抽出・統合することで、新しい文を構築する要約フレームワークを提案する。文のレベルではなくフレーズのレベルで処理することで、コンテンツカバレッジが向上し、TAC 2011ベンチマークにおいてピラミッド評価指標で最先端のシステムを上回る性能を達成した。

ABSTRACT

We propose an abstraction-based multi-document summarization framework that can construct new sentences by exploring more fine-grained syntactic units than sentences, namely, noun/verb phrases. Different from existing abstraction-based approaches, our method first constructs a pool of concepts and facts represented by phrases from the input documents. Then new sentences are generated by selecting and merging informative phrases to maximize the salience of phrases and meanwhile satisfy the sentence construction constraints. We employ integer linear optimization for conducting phrase selection and merging simultaneously in order to achieve the global optimal solution for a summary. Experimental results on the benchmark data set TAC 2011 show that our framework outperforms the state-of-the-art models under automated pyramid evaluation metric, and achieves reasonably well results on manual linguistic quality evaluation.

研究の動機と目的

• 抽出的要約および圧縮ベース要約の制限を解決すること。これらの手法は文の境界に制限され、文間をまたがる事実の統合ができない。
• 文のレベルではなくフレーズのレベル（名詞句および動詞句）で処理することで、マルチドキュメント要約におけるコンテンツカバレッジと要約の簡潔さを向上させること。
• 文法的・意味的整合性を保証しながら、顕著性とコンテンツカバレッジを最大化するように、同時にフレーズの選択と統合を行うグローバル最適化フレームワークを開発すること。
• 文法的単位の統合を通じて複数のソース文からの事実を統合することで、より抽象的（アブストラクト）な要約を生成することを可能にすること。

提案手法

• スタンフォードパーサーを用いて構文木から名詞句（NPs）および動詞目的語句（VPs）を抽出し、主要な概念と事実を表現する。
• フレーズの頻度とドキュメント間での分布を考慮した、グローバルな重複除去に配慮した方法により、各フレーズの顕著性スコアを計算する。
• 要約コンテンツユニット（SCUs）の最大カバレッジを達成するために、フレーズの共同選択と統合を整数型線形プログラミング（ILP）最適化問題としてモデル化する。
• 生成された文における文法的・意味的整合性を保証するため、NPsとVPsの間の適合性制約を定義する。
• フレーズ統合後の文の順序と読みやすさを改善するための後処理ステップを適用する。
• 文法的・意味的制約を満たしながら、選択されたフレーズの総顕著性を最大化するグローバル最適化目的関数を用いる。

実験結果

リサーチクエスチョン

• RQ1 フレーズレベルの抽象的要約は、マルチドキュメント要約タスクにおいて文のレベル手法よりも、コンテンツカバレッジと簡潔さの面で優れているか？
• RQ2 整数型線形プログラミングアプローチは、抽象的要約におけるフレーズ選択と統合を同時に最適化するために効果的か？
• RQ3 異なるソース文からの事実の統合は、抽出的または圧縮的手法と比較して、要約品質をどの程度向上させるか？
• RQ4 フレーズレベルで計算された顕著性スコアは、文のレベルでの顕著性と比較して、重要な情報ユニットをどれほど適切に捉えられるか？
• RQ5 統合されたフレーズから新しい文を生成する際、文法的・意味的整合性を保証するために必要な制約は何か？

主な発見

• 提案フレームワークは、自動ピラミッド評価指標においてTAC 2011ベンチマークで最先端のシステムを上回り、優れたコンテンツカバレッジと顕著性を示した。
• 手動による言語的品質評価においても、生成された要約が流暢で整合的であることが確認され、抽象的要約であるにもかかわらず良好な結果を得た。
• フレーズレベルの単位を用いることで、文の統合や抽出的手法と比較して、1文あたりの要約コンテンツユニット（SCUs）の数を増やすことができた。
• 整数型線形プログラミングの定式化により、顕著性の最大化と文法的・意味的制約の両立が成功裏に実現され、グローバルに最適なフレーズ選択と統合が達成された。
• フレームワークの主なボトル neck は、時間のかかるILP最適化である。今後の効率性の向上が求められる。