从论文到，一键生成！从此报告不用愁！
文 | 子龙
编 | 小轶
俗话说：“行百步者半九十”，论文接受固然可喜可贺，然而这只是万里长征第一步。一份具有影响力的工作少不了一个后期的宣传，做好一个PPT绝对是一个技术活。不知道小伙伴们平时怎么做PPT，是复制粘贴长篇大论抑或提纲挈领图文并茂。直接拷贝论文固然简单，但是动辄大半页的文字实在很难让人提起兴趣，大家都明白应该抓住要点，并辅以图片，但是怎么总结文章各个板块并且合理排布呢，这又是个难题。
虽然论文千变万化，但是计算机论文的PPT往往还是比较朴实无华的，往往遵循一定的格式，从介绍到模型，再从实验到结论，基本上和行文对应，那么对每个板块抽取核心信息，那么就能生成一份满意的PPT。
今天介绍一篇'21的文章 D2S: -to- Via - Text 直接省去了苦思PPT细节的麻烦，提出一个基于问答抽取的方法，通过论文内容和给定标题直接生成对应的PPT。下图就展示了一个用D2S自动生成的论文介绍PPT样例。上方黑框中的是论文作者自己做的PPT，下面蓝框里的是D2S自动生成的。可以看到，文字介绍部分还是十分合理的，与配图对应，整体排版上还要优于人工制作的PPT。
论文题目:
D2S: -to- Via - Text
论文链接:
方法
本文将D2S（文档生成PPT）视为一个封闭领域长文本问答，即限定在计算机论文的领域中，给定论文和每页PPT的标题，从论文中抽取对应内容并加以总结，作为标题的“答案”。整个模型分为三个模块，分别是：
关键词模块
论文的PPT肯定要参考原本论文，从一篇论文的各个版块的标题那里，可以大致看出一篇文章所关注的要点和行文思路，这些标题可能是最基本的“介绍”、“相关文献”、“实验”，也可能是论文所设计的模块的名称，比如 is all you need论文中，就有专门介绍的一个部分。这些标题和子标题很自然的就形成了一个树状结构（模型图左下角），这些树状结构中的节点被提取出来，作为关键词，辅助后续的内容生成。
信息抽取模块
关键词模块只是为了后续工作提供了一定的帮助，而信息抽取模块才真正开始处理论文和PPT标题。本文采用了基于 BERT[1]的信息抽取模型。信息抽取模型可以根据相关程度在若干候选中给出一个排序，这个模块就是为了从论文中找到和对应PPT标题相关的片段。
训练模型
既然需要模型学习相关性，最容易想到的方法就是通过人工标注进行有监督学习，然而很难从最终完成的PPT中看出当前页面与论文中哪些地方相关，于是本文选择了一个折中的方法来训练信息抽取模型，它将当前PPT页面中的内容作为正例，将其他PPT页面中的内容作为反例，训练模型辨别这两者的区别，进而学习PPT标题和内容的相关性，所学习得到的相关性可以后续用于评估PPT标题和论文片段的相关性。
抽取片段
因为PPT页面中的内容和论文片段十分相似，于是通过上述方法训练的模型可以很好的运用于评估PPT标题和论文片段的相关性。同时，每个论文片段同时又拥有对应的标题或者子标题，即关键词模块提取到的关键词，最终每个论文片段与当前PPT标题的相关性取决于两方面：
其中、、分别为PPT标题、论文片段、片段对应关键词的文本特征。
问答模块
最终每页PPT中的内容由问答模块来生成，这里采用的是预训练的BART模型[2]。我们需要将“问题”和“上下文信息”提供给问答模型，这里的“问题”即每页PPT的标题，上下文信息分为两方面：
其中a,b为两个字符串，d为两者的编辑距离。
将整合好的“问题”和“上下文”以如下格式输入到预训练的BART，得到对应PPT的内容：
图表抽取模块
没有插图的PPT是不完整的，D2S对图片的处理非常简单，直接利用信息抽取模块中训练得到的模型评估PPT标题和图片或者表格的描述文字计算相关性，进而插入到对应PPT页面内。
模型表现
本文主要评估生成PPT的两个方面：
PPT内容生成效果
因为这个任务的本质是信息抽取与总结，本文对比了D2S的问答模块（记为）与如下：、（本文模型去除部分）。
同时，本文还将信息抽取模块中的混合的方法(-Mix IR)和传统的基于离散单词对应的BM25( IR)做对比。结果如下：
从结果中可以看到结合关键词的方法往往能够得到更好的效果。在信息抽取阶段引入关键词，可以更好地评估PPT标题和论文片段的相关性，进而得到更加准确的上下文，这一点从各个的结果中都可以看出。在问答模块阶段，与以往单纯将论文片段作为上下文，D2S中的将关键词同样输入到上下文部分，也大大地提高了值。
可见，论文中的标题和子标题是一篇文章的骨架，很大程度上可以帮助针对论文内容的总结归纳工作，进而在生成PPT的任务中大有作为。
总结
本文由诸多模块组成，利用了信息抽取和问答模型对计算机领域的论文进行总结，并创造性的提出了生成PPT这样的任务，同时利用了论文各个版块的标题和子标题提供更多的信息。
