基于神经标签搜索，中科院＆微软亚研零样本多语言抽取式摘要入选ACL 2022

抽取式文本摘要目前在英文上已经取得了很好的性能，这主要得益于大规模预训练语言模型和丰富的标注语料。但是对于其他小语种语言，目前很难得到大规模的标注数据。

中国科学院信息工程研究所和微软亚洲研究院 联合提出一种是基于 Zero-Shot 的多语言抽取式文本摘要模型。具体方法是使用在英文上预训练好的抽取式文本摘要模型来在其他低资源语言上直接进行摘要抽取；并针对多语言 Zero-Shot 中的单语言标签偏差问题，提出了 多语言标签（Multilingual Label）标注算法和 神经标签搜索模型（Neural Label Search for Summarization, NLSSum）。

实验结果表明，模型 NLSSum 在多语言摘要数据集 MLSUM 的所有语言上大幅度超越 Baseline 模型的分数。其中在俄语（Ru）数据集上，零样本模型性能已经接近使用全量监督数据得到的模型。

该研究发表在了 ACL 2022 会议主会长文上。

论文地址： https://aclanthology.org/2022.acl-long.42.pdf