利用读者评论的抽取式文本摘要

在神经抽取式摘要领域，传统的基于序列到序列的模型常常错误地概括了文档相对于主要方面的方面。为解决这个问题，我们提出了读者感知抽取式摘要生成任务，该任务利用读者评论来帮助模型生成关于主要方面的更好摘要。与传统的抽取式摘要任务不同，读者感知摘要面临两个主要挑战：(1) 评论非正式且含噪声；(2) 联合建模新闻文档与读者评论具有难度。为应对上述挑战，我们设计了一个名为读者感知摘要生成器(RASG)的对抗学习模型，其包含四个组件：(1) 基于序列到序列的摘要生成器；(2) 捕捉读者关注方面的读者注意力模块；(3) 建模生成摘要与读者关注方面之间语义差距的监督器；(4) 为每一步生成提供目标的目标跟踪器。监督器与目标跟踪器以对抗方式引导我们框架的训练。我们在大规模真实世界文本摘要数据集上进行了大量实验，结果表明RASG在自动指标和人工评估方面均达到了最先进(state-of-the-art)性能。实验结果也证明了我们框架中每个模块的有效性。我们发布了大规模数据集以供进一步研究。