摘要

我们提出了一种用于长文档神经摘要的新型分而治之方法。该方法利用文档的语篇结构，并通过句子相似性将问题分解为一系列较小的摘要任务集合。具体而言，我们将长文档及其摘要划分为多个源-目标配对，用于训练一个能够分别学习文档各部分摘要的模型。随后，将各个部分的摘要结果进行整合，生成最终的完整摘要。该方法将长文档摘要问题分解为若干更小、更简单的子问题，从而降低了计算复杂度，并生成了更多的训练样本。同时，与传统方法相比，这些训练样本中的目标摘要所含噪声更少。实验表明，该方法与多种摘要模型（包括序列到序列的RNN和Transformer）结合使用时，能够显著提升摘要性能。我们提出的最优模型在两个公开可用的学术论文数据集上，达到了与当前最先进水平相当的性能。