摘要

与新闻报道和百科全书文章等结构化文本不同，对话内容通常源自两位或多位对话者之间的信息交互。在这种情境下，对话的主题可能随交流进程而发生变化，而某一主题的关键信息往往分散在不同说话人发出的多个语句中，这给对话的抽象概括带来了挑战。为有效捕捉对话中的多种主题信息，并提炼出所涉主题的关键事实，本文提出两种面向主题的对比学习目标，即连贯性检测目标与子摘要生成目标。这两种目标旨在隐式建模主题的演变过程，并应对信息分散带来的挑战，从而提升对话摘要任务的性能。所提出的对比学习目标被设计为辅助任务，与主任务——对话摘要任务——通过一种交替参数更新策略进行联合优化。在多个基准数据集上的大量实验表明，该方法虽结构简单，却显著优于现有强基线模型，并取得了新的最先进性能。相关代码与训练好的模型已公开发布于 \href{https://github.com/Junpliu/ConDigSum}{https://github.com/Junpliu/ConDigSum}。