面向长单文档的抽取式与混合式摘要
计算与语言
2020-07-07 v1 机器学习
摘要
可用于文档自动摘要的数据集缺乏多样性，这意味着绝大多数神经自动摘要模型都是用新闻文章训练的。这些数据集相对较小，平均篇幅约 600 词，用此类数据集训练的模型其性能受限于短文档。为克服此问题，本文使用科学论文作为训练不同模型的数据集。这些模型根据其于 CNN/Daily Mail 数据集上的表现选出，从而选取每种架构变体中排名最高的模型。本工作中比较了六种不同模型：两个 RNN 架构、一个 CNN 架构、两个 Transformer 架构，以及一个 Transformer 架构结合强化学习的模型。本工作的结果表明，那些使用层次化编码器来建模文档结构的模型比其他模型具有更好的性能。
引用
@article{arxiv.2007.01918,
title = {Abstractive and mixed summarization for long-single documents},
author = {Roger Barrull and Jugal Kalita},
journal= {arXiv preprint arXiv:2007.01918},
year = {2020}
}