[論文レビュー] iFacetSum: Coreference-based Interactive Faceted Summarization for Multi-Document Exploration

Eran Hirsch, Alon Eirew+8 more|arXiv (Cornell University)|Sep 23, 2021

Natural Language Processing Techniques参考文献 42被引用数 9

ひとこと要約

iFacetSum は、コアファレンスに基づくファセット抽出と要約抽出を組み合わせた、インタラクティブでファセット型の要約システムを提案する。コアファレンス解決を用いて、複数文書にまたがる概念、エンティティ、主張の言及をクラスタリングすることで、文脈に応じた動的な要約を介してトピックをナビゲート可能にし、事実性（93.3％）が高く、ユーザーテストにおいても高いユーザーパerceived品質を達成した。

ABSTRACT

We introduce iFacetSum, a web application for exploring topical document sets. iFacetSum integrates interactive summarization together with faceted search, by providing a novel faceted navigation scheme that yields abstractive summaries for the user's selections. This approach offers both a comprehensive overview as well as concise details regarding subtopics of choice. Fine-grained facets are automatically produced based on cross-document coreference pipelines, rendering generic concepts, entities and statements surfacing in the source texts. We analyze the effectiveness of our application through small-scale user studies, which suggest the usefulness of our approach.

研究の動機と目的

• 事前に知識やガイダンスがなくとも、大規模で複雑な文書群のトピックをナビゲートする課題に対処すること。
• 従来の要約や検索の限界を克服し、高レベルの概要とサブトピックへのディープダイブアクセスの両方を提供すること。
• ファセットナビゲーションと要約抽出を統合し、文脈を保ったガイド付き探索を支援すること。
• 複数文書にまたがるコアファレンスに基づいて自動で導出された意味的に整合性のあるファセットクラスタを用いて、ユーザがサブトピックを探索できるようにすること。

提案手法

• コアファレンス解決を用いて、概念、エンティティ、主張の言及を複数文書にまたがって細分化されたファセットとして自動抽出する。
• コアファレンスおよび命題アライメントパイプラインを用いて、文書間での意味的同等性に基づいてファセット値をクラスタリングする。
• 選択されたファセット値の言及を含む文をニューラル要約モデルを用いて要約抽出する。
• ユーザの選択に応じてファセットを階層的に動的に更新し、サブトピック間をスムーズにナビゲート可能にする。
• Webアプリケーションとしてインタラクティブ機能を実装：元の文を表示、全文書にアクセス、探索履歴を追跡する。
• 要約は要約抽出的であるが、事実性はソーステキストの証拠に基づいて検証されるハイブリッドアプローチを採用する。

実験結果

リサーチクエスチョン

• RQ1 コアファレンスに基づくファセット抽出は、複数文書探索における包括的で高レベルのトピック概要を効果的にサポートできるか？
• RQ2 インタラクティブでファセット駆動の要約抽出は、従来の要約や検索と比較して、ユーザのナビゲーションや知識習得をどの程度効果的に支援するか？
• RQ3 動的に更新されるファセットと文脈に応じた要約は、ユーザの理解力と探索効率をどの程度向上させるか？
• RQ4 コアファレンスクラスタ化された言及から生成された要約の事実的信頼性はどの程度か？
• RQ5 ユーザは、実世界の探索タスクにおいて、このシステムの使いやすさと有用性をどのように評価するか？

主な発見

• 30件の要約文のサンプルに対して、93.3％の事実性スコアを達成し、ソーステキストの証拠と強い整合性を示した。
• ユーザーテストの結果、文脈を保ったままサブトピックの効果的なナビゲーションとディープダイブ探索を支援した。
• 要約の文法的整合性（4.20／5）、重複の少なさ（4.58／5）、参照明確性（4.10／5）の評価が高く、要約の質が優れていることが示された。
• 以前に表示済みの文を紫色で強調することで、重複読解を防ぎ、認知的負荷を低減した。
• コアファレンスクラスタからファセット値が成功裏に導出され、25件の文書にわたる「ネイティブアメリカンの課題」に関する一貫性があり意味的に整合性のあるナビゲーションが可能になった。
• 履歴追跡機能と文書レベルの文表示機能の統合により、探索中のユーザのコントロール感と透明性が向上した。