（八十四）：A Hierarchical Network for Abstractive Meeting Summarization with Cross-Domain Pretraining

• 出处： EMNLP (Findings) 2020: 194-203
• 代码：https://github.com/microsoft/HMNet
• 题目：用于抽象会议摘要的跨领域预训练的分层网络
• 主要内容：在本文中，我们提出了一种适应会议场景的抽象摘要网络。
  1、设计了一个层次结构来容纳冗长的会议记录；
  2、设计了一个角色向量来描述发言者之间的差异；
  3、由于会议摘要数据的不足，在大规模新闻摘要数据上对模型进行了预训练。

Abstract

随着自动会议文本的大量出现，会议摘要成为与会者和其他各方都非常感兴趣的内容。传统的会议汇总方法依赖于复杂的多步骤流程，使得联合优化变得棘手。与此同时，还有一些用于文本摘要和对话系统的深层神经模型。然而，会议记录的语义结构和风格与文章和对话有很大的不同。在本文中，我们提出了一种新的抽象摘要网络，以适应会议场景。

1. 我们设计了一个层次结构来适应长时间的会议记录，并设计了一个角色向量来描述发言者之间的差异。
2. 此外，由于会议纪要数据的不足，我们在大规模新闻纪要数据上对模型进行了预训练。
3. 实证结果表明，我们的模型在自动评价和人工评价两方面都优于以往的方法。例如，在ICSI数据集上，ROUGE-1分数从34.66%上升到46.28%。

1. Introduction

会议是人们交流思想、制定计划和分享信息的一个非常常见的论坛。随着自动语音识别系统的普及，出现了大量的会议记录。因此，简洁地总结会议内容的