تلخيص يركز على القرار

عادة ما يتم تغريم الصلة في التلخيص بناء على معلومات نصية وحدها، دون دمج الأفكار حول قرار معين. نتيجة لذلك، لدعم تحليل المخاطر لسرطان البنكرياس، قد تشمل ملخصات الملاحظات الطبية معلومات غير ذات صلة مثل إصابة الركبة. نقترح مشكلة جديدة، ويلخص تركز في القرار، حيث الهدف هو تلخيص المعلومات ذات الصلة لاتخاذ قرار. نستفيد من نموذج تنبؤي يتخذ القرار بناء على النص الكامل لتوفير رؤى قيمة حول كيفية استنتاج القرار من النص. لبناء ملخص، ثم حدد جمل تمثيلية تؤدي إلى قرارات نموذجية مماثلة مثل استخدام النص الكامل أثناء المحاسبة عن عدم التكرار النصي. لتقييم طريقةنا (Decsum)، نبني اختبار المهمة لتلخيص المراجعات العشرة الأولى لمطعم لدعم التنبؤ بتصنيفها في المستقبل على Yelp. تفوق Decsum بشكل كبير على أساليب تلخيص النص فقط وأساليب التفسير القائمة على النماذج في الإخلاص والتمثيل. نوضح كذلك أن Decsum هو الطريقة الوحيدة التي تمكن البشر من تفوق فرصة عشوائية في التنبؤ بالمطعم الذي سيتم تصنيفه بشكل أفضل في المستقبل.

Relevance in summarization is typically de- fined based on textual information alone, without incorporating insights about a particular decision. As a result, to support risk analysis of pancreatic cancer, summaries of medical notes may include irrelevant information such as a knee injury. We propose a novel problem, decision-focused summarization, where the goal is to summarize relevant information for a decision. We leverage a predictive model that makes the decision based on the full text to provide valuable insights on how a decision can be inferred from text. To build a summary, we then select representative sentences that lead to similar model decisions as using the full text while accounting for textual non-redundancy. To evaluate our method (DecSum), we build a testbed where the task is to summarize the first ten reviews of a restaurant in support of predicting its future rating on Yelp. DecSum substantially outperforms text-only summarization methods and model-based explanation methods in decision faithfulness and representativeness. We further demonstrate that DecSum is the only method that enables humans to outperform random chance in predicting which restaurant will be better rated in the future.