摘要

本文研究了如何提升基于删除机制的长短期记忆（LSTM）神经网络模型在句子压缩任务中的领域适应能力。我们假设，引入句法信息有助于增强此类模型在不同领域间的鲁棒性。为此，我们对模型提出两项主要改进：一是引入显式的句法特征，二是通过整数线性规划（Integer Linear Programming, ILP）引入句法约束。实验结果表明，在跨领域设置下，所提出的模型在性能上优于原始模型以及传统的非神经网络基线模型。