4 个月前

面向总结的迭代文档表示学习及其优化

面向总结的迭代文档表示学习及其优化

摘要

本文介绍了迭代文本摘要(Iterative Text Summarization, ITS),这是一种基于迭代的监督式抽取式文本摘要模型,其灵感来源于观察到人类通常需要多次阅读一篇文章才能完全理解和总结其内容。现有的摘要方法在生成文档表示时仅对文档进行一次阅读,导致生成的文档表示不够理想。为了解决这一问题,我们提出了一种模型,该模型通过多次遍历文档来逐步完善文档表示。作为模型的一部分,我们还引入了一种选择性阅读机制,该机制能够更准确地决定每个句子在模型中应被更新的程度。实验结果表明,在CNN/DailyMail和DUC2002数据集上,我们的模型在机器评估和人工评估中均显著优于当前最先进的抽取式系统。

基准测试

基准方法指标
extractive-document-summarization-on-cnnITS
ROUGE-1: 30.80
ROUGE-2: 12.6

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
面向总结的迭代文档表示学习及其优化 | 论文 | HyperAI超神经