Fact-based Content Weighting for Evaluating Abstractive Summarisation

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>

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).

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)

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

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

—