A Comprehensive Survey on Process-Oriented Automatic Text Summarization with Exploration of LLM-Based Methods

自动文本摘要（ATS）利用自然语言处理（NLP）算法，旨在创建简洁准确的摘要，从而显著减少处理大量文本所需的人力。ATS在学术和工业界引起了相当大的关注。过去进行了许多研究来调查ATS方法；然而，它们通常缺乏实际应用性，因为它们经常从理论角度对以前的方法进行分类。此外，大型语言模型（LLM）的出现改变了传统的ATS方法。在本次调查中，我们的目标是：1）从“过程导向模式”角度全面概述ATS，这与实际应用最为契合；2）全面审查最新的基于LLM的ATS工作；3）提供ATS的最新调查，弥合文献中两年的空白。据我们所知，这是第一次专门调查基于LLM的ATS方法。

该论文旨在从“过程导向模式”角度全面概述自然语言处理算法在自动文本摘要中的应用，同时深入综述最新的基于大型语言模型的自动文本摘要方法，并弥补文献中两年的空白期。

论文提供了一种新的“过程导向模式”来全面概述自动文本摘要方法，同时深入综述最新的基于大型语言模型的自动文本摘要方法，为这个领域的研究提供了新思路。

论文综合了大量的数据集和实验结果，对比分析了不同的自动文本摘要方法的优缺点，并提出了一些值得进一步研究的方向。此外，该论文还详细介绍了最新的基于大型语言模型的自动文本摘要方法，并提供了开源代码和实验结果。

最近的相关研究包括：1.《基于深度学习的自动文本摘要综述》；2.《基于Transformer的自动文本摘要方法》；3.《基于BERT的自动文本摘要方法》。