摘要

近年来，深度神经网络在文本摘要生成方面取得了显著的成功。然而，对于它们为何表现如此出色以及如何进一步改进，目前尚缺乏清晰的理解。本文旨在更好地理解不同类型的模型架构、可迁移知识和学习方案如何有助于神经抽取式摘要系统的性能提升。此外，基于我们的观察和分析，我们发现了一种有效的方法来改进现有的框架，并在CNN/DailyMail数据集上大幅提升了性能，达到了当前最佳的结果。希望我们的工作能为未来在抽取式摘要领域的研究提供更多线索。