Automatic text summarization has enjoyed great progress over the last years. However, there is little research that investigates whether the current research focus adheres to users' needs. Importantly, these needs are dependent on the envisioned target group of the generated summaries. One such important target group is formed by students, due to their usage of summaries in their study activities. For this reason, we investigate students' needs regarding automatically generated summaries by means of a survey amongst university students and find that the current direction of the field does not fully align with their needs. Motivated by our findings, we formulate three groups of implications that together help us formulate a renewed perspective on future research on automatic summarization. First, the educational domain requires a broader perspective on automatic summarization, beyond the approaches that are currently the standard. We illustrate how we can expand these approaches regarding the input material, the purpose of the summaries and their potential format and we define requirements for datasets that can facilitate these research directions. Second, we propose a methodology to evaluate the usefulness of a summary based on the identified needs of a target group. Third, in more general terms, we hope that our survey will be reused to investigate the needs of different user groups of automatically generated summaries to broaden our perspective even further.


翻译:过去几年来,自动文本摘要取得了很大进展。然而,几乎没有研究调查当前研究重点是否符合用户的需要。重要的是,这些需求取决于生成摘要的预期目标群体。一个如此重要的目标群体是由学生组成的,因为他们在学习活动中使用摘要。为此,我们调查学生在通过对大学生的调查自动生成摘要方面的需要,发现当前领域的方向与其需求不完全一致。根据我们的研究结果,我们制定了三组所涉问题,这三组所涉问题共同帮助我们对未来自动合成研究形成新的视角。首先,教育领域需要从更广泛的视角来看待自动合成问题,超越目前的标准。我们说明我们如何能够扩大关于投入材料、摘要的目的及其潜在格式的这些方法,我们确定有助于这些研究方向的数据集要求。第二,我们提议一种方法,根据一个目标群体的既定需求来评价摘要的效用。第三,从更笼统的意义上讲,我们希望我们的调查将进一步重新利用,以研究不同用户群体的需求。

0
下载
关闭预览

相关内容

就是说在不改变文档原意的情况下,利用计算机程序自动地总结出文档的主要内容。自动摘要的应用场景非常多,例如新闻标题生成、科技文献摘要生成、搜索结果片段(snippets)生成、商品评论摘要等。
【如何做研究】How to research ,22页ppt
专知会员服务
108+阅读 · 2021年4月17日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
MIT-深度学习Deep Learning State of the Art in 2020,87页ppt
专知会员服务
61+阅读 · 2020年2月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
计算机 | IUI 2020等国际会议信息4条
Call4Papers
6+阅读 · 2019年6月17日
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
推荐系统概述
Linux爱好者
20+阅读 · 2018年9月6日
Jointly Improving Summarization and Sentiment Classification
黑龙江大学自然语言处理实验室
3+阅读 · 2018年6月12日
Arxiv
0+阅读 · 2021年7月15日
Arxiv
0+阅读 · 2021年7月14日
Arxiv
16+阅读 · 2021年1月27日
AutoML: A Survey of the State-of-the-Art
Arxiv
69+阅读 · 2019年8月14日
Arxiv
3+阅读 · 2018年12月18日
Arxiv
5+阅读 · 2017年4月12日
VIP会员
相关VIP内容
相关资讯
计算机 | IUI 2020等国际会议信息4条
Call4Papers
6+阅读 · 2019年6月17日
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
推荐系统概述
Linux爱好者
20+阅读 · 2018年9月6日
Jointly Improving Summarization and Sentiment Classification
黑龙江大学自然语言处理实验室
3+阅读 · 2018年6月12日
相关论文
Arxiv
0+阅读 · 2021年7月15日
Arxiv
0+阅读 · 2021年7月14日
Arxiv
16+阅读 · 2021年1月27日
AutoML: A Survey of the State-of-the-Art
Arxiv
69+阅读 · 2019年8月14日
Arxiv
3+阅读 · 2018年12月18日
Arxiv
5+阅读 · 2017年4月12日
Top
微信扫码咨询专知VIP会员