一种通过挖掘检索与抽取能力的短语生成集成方法

本文提出了一种新颖的短语生成（KG）集成方法。与以往纯抽取式或生成式的工作不同，我们首先提出一种新的多任务学习框架，联合学习一个抽取式模型和一个生成式模型。除抽取关键短语外，抽取式模型的输出还被用于修正生成式模型的拷贝概率分布，从而使生成式模型能更好地从给定文档中识别重要内容。此外，我们从训练数据中检索与给定文档相似的文档，并将其关联的关键短语作为外部知识提供给生成式模型，以生成更准确的关键短语。为进一步挖掘抽取与检索的能力，我们提出一个基于神经网络的合并模块，对增强后的生成式模型、抽取式模型以及检索所得关键短语的预测结果进行组合与重排序。在五个 KG 基准上的实验表明，我们的集成方法优于当前最优方法。