摘要

在本文中，我们提出了一种用于抽象文本摘要的对抗过程，该过程中同时训练一个生成模型G和一个判别模型D。具体而言，我们将生成器G构建为强化学习的代理，以原始文本作为输入并预测抽象摘要。我们还构建了一个判别器，旨在区分生成的摘要与真实摘要。大量实验表明，我们的模型在CNN/Daily Mail数据集上取得了与最先进方法相当的ROUGE分数。从定性角度来看，我们展示了我们的模型能够生成更加抽象、可读且多样的摘要。