[論文レビュー] Scientific Article Summarization Using Citation-Context and Article's Discourse Structure

Arman Cohan, Nazli Goharian|arXiv (Cornell University)|Apr 21, 2017

Topic Modeling被引用数 6

ひとこと要約

本稿では、参照論文の引用文脈を統合し、論文のディス course 構造を活用することで、citation に基づく要約を向上させる科学論文要約手法を提案する。参照論文から文脈的に関連するスパンを抽出し、ディス course ファセットや引用文脈コミュニティを用いて要約内容の多様性を高めることで、TAC2014 生物医学要約データセットにおいて、最良のベースライン比で Rouge スコアが30%以上向上した。

ABSTRACT

We propose a summarization approach for scientific articles which takes advantage of citation-context and the document discourse model. While citations have been previously used in generating scientific summaries, they lack the related context from the referenced article and therefore do not accurately reflect the article's content. Our method overcomes the problem of inconsistency between the citation summary and the article's content by providing context for each citation. We also leverage the inherent scientific article's discourse for producing better summaries. We show that our proposed method effectively improves over existing summarization approaches (greater than 30% improvement over the best performing baseline) in terms of \ extsc{Rouge} scores on TAC2014 scientific summarization dataset. While the dataset we use for evaluation is in the biomedical domain, most of our approaches are general and therefore adaptable to other domains.

研究の動機と目的

• 引用論文の内容と要約の不一致を解消するため、参照論文の文脈的情報を統合すること。
• 問題、手法、結果、意義といった科学論文の固有のディス course 構造を活用して、科学的要約を改善すること。
• 著者が偏った見解を反映する可能性がある引用のみの要約の限界を克服すること。
• 教師なしコミュニティ検出とディス course モデリングを用いて、生物学的分野にとどまらない一般化可能な手法を開発すること。
• 構造的な文選択により、選択された文の新規性と情報量を最大化することで、要約品質を向上させること。

提案手法

• 複数の手法を用いて参照論文から引用文脈を抽出する：引用文一致、名詞句抽出、キーワードベース同定、および生物学的コンセプト拡張。
• 科学論文のディス course を5つの標準的ファセット（導入、手法、結果、議論、結論）でモデル化する。
• グラフベースのクラスタリングを用いて引用文脈コミュニティを形成し、要約における教師なしの多様性を実現する。
• 2つの戦略を用いて要約文を選択する：各ディス course ファセット毎の反復的選択と、情報量と新規性を最大化する多様化ベースの選択。
• 文の選択と再ランク付け機構を統合することで要約品質を最適化し、情報量と重複度のバランスを取る。
• ディス course モデリングとコミュニティ検出を統合するハイブリッドアプローチにより、論文の主な科学的貢献のあらゆる側面を網羅的にカバーする。

実験結果

リサーチクエスチョン

• RQ1 参照論文からの引用文脈を統合することで、科学論文要約の正確性と代表性が向上するか？
• RQ2 科学論文に内在するディス course 構造を活用することは、要約品質および主要な発見のカバレッジにどのように影響するか？
• RQ3 引用文脈のコミュニティベースのグループ化は、要約の多様性と情報量をどの程度向上させるか？
• RQ4 名詞句、キーワード、生物学的コンセプトといった異なる引用文脈抽出手法の間で、正確性と再現率の観点からどのように比較されるか？
• RQ5 ディス course モデリングと引用文脈の統合は、自動要約指標において既存のベースラインに対して測定可能な向上をもたらすか？

主な発見

• 提案手法は、TAC2014 生物医学要約データセットにおいて、最良のベースライン比で平均 Rouge スコアが30%以上向上した。
• ディス course ベースの手法は、100語要約では Rouge-L が34.6%向上、250語要約では13.9%向上し、長さの閾値にかかわらず優れた性能を示した。
• コミュニティベースのアプローチは、100語要約で Rouge-L に27.16%の向上、250語要約で14.9%の向上を達成し、教師なしの多様化が効果的であることを示した。
• 名詞句ベースの引用文脈抽出が、Fスコア（正確性と再現率のバランス）で最高を記録し、キーワードおよびコンセプト拡張手法を上回った。
• 関連する生物学的コンセプトで引用ベクトルを拡張した結果、正確性が低下し、性能が劣化した。これは、厳密な文脈の整合性が極めて重要であることを示唆している。
• 多様化ベースの文選択戦略は、短い要約では反復的選択を上回ったが、長い要約ではディス course ファセットの十分なカバレッジのおかげで両者に差がなかった。