【摘要】 在客服对话系统中，使用文本摘要技术有助于客服人员快速掌握客户提出的问题和历史服务进度，提升工作效率。相较于普通的文本数据，客服对话数据具有多角色参与和多主题分布的特点，需要模型生成主题和角色粒度的摘要，然而现有的摘要生成模型缺乏捕捉主题和角色信息的能力。该文提出了一种面向多主题和多角色的对话摘要模型，使用多门控混合专家模型识别对话中的不同主题和角色，并将主题特征融合在摘要生成模型中。该文在以真实世界客服对话系统数据构建的摘要数据集CSDS上进行了评测实验，与多个基线模型相比，该文提出的模型在ROUGE-L指标上提升了最多6.1个百分点。此外，一系列的消融实验验证了该模型各个组件的有效性，对主题粒度摘要的数据分析也表明，该模型在多主题场景下有更好的表现。更多还原

【Abstract】 In the customer service dialogue system, text summarization technology is used to help the agent to quickly grasp the problems raised by customers and preceding service steps. Compared with ordinary text data, customer service dialogue has multiple roles and topics, which are not well captured by existing summarization models. This paper proposes a multi-topic and multi-role oriented dialogue summarization model that uses a multi-gate mixture of experts model to identify different roles and topics in a dialogue, and integrates these role and topic features into a summary generation model. Experiments on the a real-world customer service dialogue dataset, CSDS, demonstrate the proposed model improves the ROUGE-L metric by up to 6.1 points.更多还原