Fact-based Content Weighting for Evaluating Abstractive Summarisation
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F20%3A10424511" target="_blank" >RIV/00216208:11320/20:10424511 - isvavai.cz</a>
Výsledek na webu
<a href="https://www.aclweb.org/anthology/2020.acl-main.455/" target="_blank" >https://www.aclweb.org/anthology/2020.acl-main.455/</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.18653/v1/2020.acl-main.455" target="_blank" >10.18653/v1/2020.acl-main.455</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Fact-based Content Weighting for Evaluating Abstractive Summarisation
Popis výsledku v původním jazyce
Abstractive summarisation is notoriously hard to evaluate since standard word-overlap-based metrics are insufficient. We introduce a new evaluation metric which is based on fact-level content weighting, i.e. relating the facts of the document to the facts of the summary. We follow the assumption that a good summary will reflect all relevant facts, i.e. the ones present in the ground truth (human-generated refer- ence summary). We confirm this hypothe- sis by showing that our weightings are highly correlated to human perception and compare favourably to the recent manual highlight- based metric of Hardy et al. (2019).
Název v anglickém jazyce
Fact-based Content Weighting for Evaluating Abstractive Summarisation
Popis výsledku anglicky
Abstractive summarisation is notoriously hard to evaluate since standard word-overlap-based metrics are insufficient. We introduce a new evaluation metric which is based on fact-level content weighting, i.e. relating the facts of the document to the facts of the summary. We follow the assumption that a good summary will reflect all relevant facts, i.e. the ones present in the ground truth (human-generated refer- ence summary). We confirm this hypothe- sis by showing that our weightings are highly correlated to human perception and compare favourably to the recent manual highlight- based metric of Hardy et al. (2019).
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
—
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2020
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics
ISBN
978-1-952148-25-5
ISSN
—
e-ISSN
—
Počet stran výsledku
11
Strana od-do
5071-5081
Název nakladatele
Association for Computational Linguistics
Místo vydání
Stroudsburg, PA, USA
Místo konání akce
Online
Datum konání akce
5. 7. 2020
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—