CTRLsum: 일반적인 제어 가능한 텍스트 요약을 향하여

현재의 요약 시스템은 사용자 선호도 및 기대와 단절된 일반적인 요약을 생성합니다. 이러한 제한을 해결하기 위해, 우리는 키워드 집합을 통해 생성된 요약을 제어하는 일반적인 프레임워크인 CTRLSUM을 제시합니다. 훈련 중에는 추가적인 인간 주석 없이 자동으로 키워드가 추출됩니다. 테스트 시에는 CTRLSUM이 제어 신호를 키워드로 매핑하는 제어 기능을 제공합니다; 제어 기능을 조정함으로써, 동일한 훈련된 모델이 모델 훈련 과정이나 사전 훈련된 모델에 영향을 주지 않으면서 다양한 차원에서 요약을 제어하는 데 적용될 수 있습니다. 우리는 또한 보다 많은 제어 작업을 위해 키워드와 텍스트 프롬프트의 조합을 탐구합니다. 실험 결과는 세 가지 요약 데이터 세트와 다섯 가지 제어 작업에서 CTRLSUM의 효과를 입증합니다: (1) 엔티티 중심 요약 및 (2) 길이 제어 가능한 요약, (3) 과학 논문에 대한 기여 요약, (4) 특허 출원에 대한 발명 목적 요약, (5) 뉴스 기사에 대한 질문 유도 요약. 게다가, 표준의 비제한 요약 환경에서 사용할 때, CTRLSUM은 강력한 사전 훈련 시스템과 비교할 수 있거나 더 우수합니다.