본 논문은 측면 기반 요약(Aspect-based summarization)을 위한 새로운 프레임워크인 "자체 측면 검색 향상 요약 생성(Self-Aspect Retrieval Enhanced Summary Generation)"을 제안합니다. 기존의 대규모 언어 모델 기반 접근 방식이 프롬프트 엔지니어링에 과도하게 의존하고 토큰 제한 및 환각 문제에 직면하는 것과 달리, 본 논문에서 제안하는 프레임워크는 특정 측면에 대한 관련 텍스트 세그먼트를 임베딩 기반 검색 메커니즘을 통해 식별합니다. 이를 통해 불필요한 세부 정보를 피하고 관련 내용만 추출하여 토큰 제한 문제를 완화하며, 텍스트의 무관한 부분을 삭제하여 모델이 주어진 측면에만 기반하여 출력을 생성하도록 합니다. 벤치마크 데이터셋에 대한 광범위한 실험을 통해 제안된 프레임워크가 우수한 성능을 달성하고 토큰 제한 문제를 효과적으로 완화함을 보여줍니다.
시사점, 한계점
•
시사점:
◦
대규모 언어 모델의 토큰 제한 및 환각 문제를 효과적으로 완화하는 새로운 측면 기반 요약 프레임워크 제시.
◦
임베딩 기반 검색 메커니즘을 통해 관련 텍스트 세그먼트만을 효율적으로 추출하여 요약 성능 향상.
