时间： 2020年6月18日 09:00
地点： 四川大学视觉计算实验室钉钉群
研读成员： 罗富智
研读内容：
[1]Guo H, Laidlaw D H. Topic-based Exploration and Embedded Visualizations for Research Idea Generation[J]. IEEE Transactions on Visualization and Computer Graphics, 2020:3.
论文简介：
研究者经常需要通过写作的方式讲述自己的研究思路。在写作的过程中，随着新的观点以及相关论据被引入，针对问题的研究思路会得到调整和逐步完善。该工作为促进研究想法生成，开发了一个迭代设计的视觉分析工具。该工具，ThoughtFlow，使用主题模型对文献收集进行结构化和可视化，以展示研究构思过程中核心活动之间的信息。结果表明，主题模型能够为用户的连贯主题创作提供较好的帮助。
[2]Xin Z, Aixin S, Jing L, Karthik M. Subtopic-driven Multi-Document Summarization[C]// Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing.
论文简介：
在多文档摘要中，假设一组要摘要的文档在同一个主题上，即底层主题可以由集合中的所有文档共同表示。同时，不同的文档可以包含不同的子主题，同一子主题可以跨多个文档。受主题模型的启发，本工作提出了一种称为STDS的总结模型，在考虑上下文信息的基础上，采用子主题显著性和句子相对显著性分层估计句子显著性，以提取句子作为摘要。实验结果表明，该方法在基准数据集上的性能优于现有的方法。
