본 논문은 사용자 생성 콘텐츠의 다중 문서 요약에서 공정성을 확보하는 새로운 방법을 제안합니다. 기존 요약 방법들이 다양한 사회 집단의 공정한 대표성을 보장하지 못하는 문제를 해결하기 위해, 클러스터링 기반의 FairExtract와 GPT-3.5-turbo를 활용한 제약 조건 기반의 FairGPT라는 두 가지 새로운 방법을 제시합니다. 백인, 히스패닉, 아프리카계 미국인 방언 트윗으로 구성된 Divsumm 데이터셋을 사용하여 다양한 요약 품질 지표(SUPERT, BLANC, SummaQA, BARTScore, UniEval)와 공정성 지표 F를 통해 기존 방법들과 비교 평가하였습니다. 그 결과, FairExtract와 FairGPT가 요약 품질을 유지하면서 우수한 공정성을 달성함을 보여주며, 품질과 공정성을 통합한 복합 지표(SUPERT+F, BLANC+F 등)를 제시하여 두 목표 간의 상충 관계를 보다 정교하게 이해할 수 있도록 합니다. 소스 코드는 공개되어 있습니다.
