赛尔笔记 | 文本摘要论文列表

2020 年 10 月 28 日 AINLP

作者：哈工大SCIR 冯夏冲

摘要（Summarization）是传统的自然语言处理任务之一^[1]，多年以来，一直被广大研究者持续挖掘推进，该任务旨在将输入数据转换为包含关键信息的简短概述。在早些年，该方向一直以DUC，CNNDM，Gigaword等数据集为核心进行研究^[2]，并取得了显著的进展。为了满足各种需求，近些年，跨语言摘要^[3]，多模态摘要^[4]，无监督摘要^[5]，摘要事实性研究^[6]，对话摘要^[7]，科学文献摘要^[8]，基于预训练的摘要^[9]，摘要任务分析^[10]等方向喷薄发展，百花齐放，论文数量持续增多，除了各大会议（例如ACL，EMNLP）中的摘要相关论文之外，arXiv也会涌现出众多摘要相关论文。

受yizhen20133868/NLP-Conferences-Code^[11]，teacherpeterpan/Question-Generation-Paper-List^[12]，thunlp/PLMpapers^[13]，thu-coai/PaperForONLG^[14]，NiuTrans/ABigSurvey^[15]等项目的激励，旨在整理现有摘要研究成果，追踪最新摘要论文，中心文本生成组博士生冯夏冲收集并整理了摘要论文阅读列表，该列表每条信息包括论文题目，作者，PDF链接，论文来源，是否有实现代码，可以帮助研究者快速整合该方向核心资料，并会长期维护和迭代整理现有论文列表。

图1 摘要论文阅读列表

除论文信息之外，该仓库还包括了文本生成组摘要论文笔记与讲解PPT，可以帮助初学者快速了解与入门该任务。

图2 摘要论文笔记与讲解PPT

项目地址：
https://github.com/xcfcode/Summarization-Papers

参考资料

[1]

Paice C D. Constructing literature abstracts by computer: Techniques and prospects[J]. Inf. Process. Manag, 1990, 26(1): 171-186.

[2]

Gambhir M, Gupta V. Recent automatic text summarization techniques: a survey[J]. Artificial Intelligence Review, 2017, 47(1): 1-66.

[3]

Cao Y, Liu H, Wan X. Jointly Learning to Align and Summarize for Neural Cross-Lingual Summarization[C]//Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics. 2020: 6220-6231.

[4]

Li M, Chen X, Gao S, et al. VMSMO: Learning to Generate Multimodal Summary for Video-based News Articles[J]. arXiv preprint arXiv:2010.05406, 2020.

[5]

Kohita R, Wachi A, Zhao Y, et al. Q-learning with Language Model for Edit-based Unsupervised Summarization[J]. arXiv preprint arXiv:2010.04379, 2020.

[6]

Dong Y, Wang S, Gan Z, et al. Multi-Fact Correction in Abstractive Text Summarization[J]. arXiv preprint arXiv:2010.02443, 2020.

[7]

Feng X, Feng X, Qin B, et al. Incorporating Commonsense Knowledge into Abstractive Dialogue Summarization via Heterogeneous Graph Networks[J]. arXiv preprint arXiv:2010.10044, 2020.

[8]

Subramanian S, Li R, Pilault J, et al. On extractive and abstractive neural document summarization with transformer language models[J]. arXiv preprint arXiv:1909.03186, 2019.

[9]

Bi B, Li C, Wu C, et al. PALM: Pre-training an Autoencoding&Autoregressive Language Model for Context-conditioned Generation[J]. arXiv preprint arXiv:2004.07159, 2020.

[10]

Bhandari M, Gour P, Ashfaq A, et al. Re-evaluating Evaluation in Text Summarization[J]. arXiv preprint arXiv:2010.07100, 2020.

[11]

https://github.com/yizhen20133868/NLP-Conferences-Code

[12]

https://github.com/teacherpeterpan/Question-Generation-Paper-List

[13]

https://github.com/thunlp/PLMpapers

[14]

https://github.com/thu-coai/PaperForONLG

[15]

https://github.com/NiuTrans

本期责任编辑：李忠阳

本期编辑：朱文轩

由于微信平台算法改版，公号内容将不再以时间排序展示，如果大家想第一时间看到我们的推送，强烈建议星标我们和给我们多点点【在看】。星标具体步骤为：

（1）点击页面最上方"AINLP"，进入公众号主页。

（2）点击右上角的小点点，在弹出页面点击“设为星标”，就可以啦。

感谢支持，比心。

欢迎加入文本摘要交流群

进群请添加AINLP小助手微信 AINLPer（id: ainlper)，备注文本摘要

推荐阅读

这个NLP工具，玩得根本停不下来

征稿启示| 200元稿费+5000DBC（价值20个小时GPU算力）

完结撒花！李宏毅老师深度学习与人类语言处理课程视频及课件（附下载）

从数据到模型，你可能需要1篇详实的pytorch踩坑指南

如何让Bert在finetune小数据集时更“稳”一点

模型压缩实践系列之——bert-of-theseus，一个非常亲民的bert压缩方法

文本自动摘要任务的“不完全”心得总结番外篇——submodular函数优化

Node2Vec 论文+代码笔记

模型压缩实践收尾篇——模型蒸馏以及其他一些技巧实践小结

中文命名实体识别工具（NER）哪家强？

学自然语言处理，其实更应该学好英语

斯坦福大学NLP组Python深度学习自然语言处理工具Stanza试用

关于AINLP

AINLP 是一个有趣有AI的自然语言处理社区，专注于 AI、NLP、机器学习、深度学习、推荐算法等相关技术的分享，主题包括文本摘要、智能问答、聊天机器人、机器翻译、自动生成、知识图谱、预训练模型、推荐系统、计算广告、招聘信息、求职经验分享等，欢迎关注！加技术交流群请添加AINLPer(id：ainlper)，备注工作/研究方向+加群目的。