第49卷第4期2023年4月ComputerEngineering计算机工程基于场景与对话结构的摘要生成研究李健智，王红玲，王中卿（苏州大学计算机科学与技术学院，江苏苏州215006）摘要：对话摘要是从复杂的对话中提取关键信息以转化成简短的文本，供用户快速浏览对话内容。相比传统文本摘要，对话摘要数据具有篇幅较长、结构复杂等特点。传统的摘要模型难以充分地利用数据的长文本信息，并且无法考虑对话的结构信息。为此，结合抽取和生成模型，提出一种基于场景与对话结构的摘要生成方法，以对话中的场景、角色和对话内容为主要信息生成对话摘要。通过对话解析构建以角色、动作说明和会话为要素的对话结构图，并使用序列标注任务微调BERT预训练模型，生成以对话句子为单位的向量表示，利用图神经网络建模对话结构，筛选出包含关键信息的句子。在此基础上，将得到的抽取结果作为生成模型的输入，利用双向自回归变压器（BART）预训练模型作为基础框架，在编码端额外引入角色和场景信息，丰富生成模型的语义特征，使用加入多头注意力机制的解码器生成摘要。实验结果表明，相比BART、MV_BART、HMNet等方法，该方法在ROUGE-1指标上最高可提升5.3个百分点。关键词：对话摘要；长文本摘要；文本结构；对话结构；双向自回归变压器预训练开放科学（资源服务）标志码（OSID）：中文引用格式：李健智，王红玲，王中卿.基于场景与对话结构的摘要生成研究［J］.计算机工程，2023，49（4）：303-311.英文引用格式：LIJZ，WANGHL，WANGZQ.Researchonsummarizationgenerationbasedonsceneanddialoguestructure［J］.ComputerEngineering，2023，49（4）：303-311.ResearchonSummarizationGenerationBasedonSceneandDialogueStructureLIJianzhi，WANGHongling，WANGZhongqing（SchoolofComputerScienceandTechnology，SoochowUniversity，Suzhou215006，Jiangsu，China）【Abstract】Thedialoguesummarization’sgoalistocondensekeyinformationfromcomplexdialoguesintoconcisetext，allowinguserstobrowsethroughthecontentquickly.Unliketraditionaltextsummarization，dialoguesummarizationdataischaracteristicallylengthyandcomplexinstructure.Thetraditionalsummarizationmodelisunabletoexploitthelengthytextinformationfully，andneglectsthestructuralinformationoftheconversation.Tothisend，thispaperproposesasummarizationgenerationmethodbasedonsceneanddialogu...
