从无查询摘要数据集生成以查询为中心的摘要数据集

大规模数据集广泛用于执行摘要任务，但它们可能不包括文档和摘要旁边的查询。在寻找适合查询聚焦摘要（QFS）的数据集时，我们确定了两个研究问题：是否可以从无查询数据集自动生成基于证据的查询关键字？基于证据的查询生成是否支持 QFS 任务？本文提出了一种基于证据的模型，用于从无查询数据集生成查询。为了从本质上评估我们的模型，我们比较了两个 QFS 数据集的原始查询和系统生成的查询之间的相似性。我们还使用不同的预训练模型以及最先进的 (SOTA) QFS 模型执行汇总任务，以衡量查询生成方法的外在性能。实验结果表明，与原始查询生成的摘要相比，使用基于证据的查询生成的摘要获得了有竞争力的 ROUGE 分数。