CHRONOS – 阿里通义联合上海交大等推出时间线摘要生成新框架 | AI工具集

CHRONOS是什么

CHRONOS是上海交通大学计算机科学与工程系、阿里巴巴集团通义实验室等机构联合推出的，用在新闻时间线摘要生成的新型框架，基于迭代自问自答的方式，用大型语言模型（LLMs）构建开放域和封闭域的时间线。框架基于生成与新闻主题相关的5W1H问题，检索相关信息，不断提出新的子问题扩展新闻数据库。基于问题重写机制提高搜索精度，采用分而治之的策略生成并合并时间线，最终形成连贯的事件摘要。CHRONOS在实验中表现出色，能有效地处理信息过载和数据噪声问题，适用于大规模新闻数据的时间线生成任务。

CHRONOS的主要功能

• 新闻时间线生成：从大量新闻文档中提取关键事件，按照时间顺序生成连贯的时间线摘要。
• 开放域和封闭域支持：能在开放域中直接从互联网检索新闻生成时间线，也能在封闭域中用预定义的新闻集进行时间线构建。
• 迭代自问自答：基于不断提出与新闻主题相关的问题，逐步扩展和丰富时间线的内容，确保信息的全面性和准确性。
• 问题重写与优化：将复杂的问题分解为更具体的查询，提高搜索的精确性和效率，获取更相关的信息。
• 数据集支持：引入Open-TLS数据集，提供丰富的新闻时间线样本，用在训练和评估模型的性能。

CHRONOS的技术原理

• 基于检索的生成：基于检索外部知识源（如互联网或预定义的新闻集）增强语言模型的生成能力，解决信息过载和数据噪声问题。
• 迭代自问自答机制：模拟人类信息检索过程，用生成5W1H问题（What, Who, Why, Where, When, How），逐步深入挖掘与新闻主题相关的事件信息，构建事件之间的因果关系图。
• 问题重写技术：用LLMs对复杂问题进行分解和重写，生成更具体、更易于检索的查询，提高检索结果的相关性和准确性。
• 分而治之的策略：将时间线生成任务分解为多个子任务，分别从每一轮检索中生成单独的时间线，基于合并和冲突解决等步骤，生成最终的连贯时间线摘要。
• 大型语言模型（LLMs）：作为核心工具，用在理解文本、生成高质量的摘要和问题，及进行有效的信息检索和整合。

CHRONOS的项目地址

CHRONOS的应用场景

• 新闻报道整理：帮助新闻编辑和记者快速整理某一新闻事件的发展历程，生成清晰的时间线，为撰写深度报道或回顾性文章提供参考。
• 金融行业：追踪金融市场中的重大事件，如公司财报发布、政策变动等，生成时间线，帮助投资者和分析师更好地理解市场动态和趋势变化。
• 政府部门：在政策制定过程中整理相关政策事件的时间线，分析政策的实施效果和影响，为政策评估和调整提供依据。
• 教育：为学生和研究人员提供历史事件的时间线，帮助用户更好地理解和记忆事件的发展顺序和关键节点，促进历史知识的学习和研究。
• 企业与市场营销：企业生成品牌发展历程的时间线，展示品牌的重要里程碑和成就，用在品牌宣传和市场营销活动。