[论文解读] 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 9

一句话总结

iFacetSum 提出了一种交互式、基于 facet 的摘要系统，结合共指消解的 facet 提取与生成式摘要，用于多文档探索。通过共指消解将跨文档的概念、实体和陈述提及聚类，使用户能够通过动态、上下文感知的摘要导航主题，实现在事实性（93.3%）和可用性研究中用户感知质量方面均表现优异。

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.

研究动机与目标

• 解决在缺乏先验知识或指导的情况下导航大规模、复杂文档集的挑战。
• 克服传统摘要与搜索的局限，既提供高层次概览，又支持对子主题的深入探索。
• 将 facet 导航与生成式摘要相结合，以支持引导式、上下文保留的探索。
• 使用户能够通过自动推导出的、语义连贯的 facet 聚类探索子主题，基于跨文档共指关系。

提出的方法

• 通过跨文档共指消解自动提取细粒度 facet，将概念、实体和陈述的提及聚类。
• 利用共指和命题对齐管道，基于语义等价性对 facet 值进行聚类。
• 使用神经摘要模型从包含选定 facet 值提及的句子中生成生成式摘要。
• 根据用户选择动态分层更新 facet，实现对子主题的无缝导航。
• 实现一个带有交互功能的网页应用：查看原始句子、访问完整文档、追踪探索历史。
• 采用混合方法，摘要为生成式但事实基础牢固，通过源文本证据验证事实性。

实验结果

研究问题

• RQ1 基于共指的 facet 提取是否能有效支持多文档探索中的全面、高层次的主题概览？
• RQ2 交互式、facet 驱动的生成式摘要与传统摘要或搜索相比，在支持用户导航和知识获取方面表现如何？
• RQ3 动态更新的 facet 和上下文感知摘要在多大程度上提升了用户的理解力和探索效率？
• RQ4 从共指聚类提及中生成的生成式摘要的事实可靠性如何？
• RQ5 用户在真实探索任务中对系统的可用性和实用性感知如何？

主要发现

• 在 30 个摘要句子样本上，系统事实性得分为 93.3%，表明与源文本证据高度一致。
• 用户研究显示，该系统有效支持子主题的导航与深度探索，同时保持上下文连贯性。
• 生成式摘要在语法正确性（4.20/5）、非冗余性（4.58/5）和指代清晰度（4.10/5）方面评分较高，表明质量优异。
• 系统将先前查看过的句子以紫色高亮显示，有效降低了认知负荷，避免了重复阅读。
• facet 值成功从共指聚类中推导得出，实现了在 25 篇关于“原住民挑战”的文档中连贯且语义有意义的导航。
• 历史记录追踪与文档级句子查看功能的集成，增强了用户在探索过程中的控制力与透明度。