[ACL 2023] Dialogue Summarization with Static-Dynamic Structure Fusion Graph

程信将动态图和静态图结合的方式运用于对话摘要任务的论文《Dialogue Summarization with Static-Dynamic Structure Fusion Graph》被ACL2023接收.对话摘要,作为最富挑战性的摘要任务之一,旨在从动态交互和不连续的对话信息流中对整段对话进行摘要和总结.现有的大多数基于对话图建模的方式往往依赖于外部的语言学工具,这种不准确的标注方法往往会导致训练过程中的错误传播;同时现有的图建模过程和图学习过程是分开的,不能很好地将图结构适配到下游的摘要任务中.基于此,本文提出一种基于静态图和动态图结合的对话摘要方法,通过结合来自语言学工具的先验信息和预训练语言模型中的语义知识,分别构建静态图和动态图,通过图卷积的方式进行特征融合.本文在三个对话摘要数据集上比之基线模型取得了显著的提升.