AREDSUM：用于抽取式文档摘要的自适应冗余感知迭代句子排序
计算与语言
2021-04-06 v2
摘要
冗余感知的抽取式摘要系统对要包含在摘要中的句子的冗余度进行打分，要么与其显著性信息联合打分，要么作为额外的句子打分步骤单独进行。先前的工作展示了利用神经序列生成模型联合打分和选择句子的有效性。然而，尚不清楚这一增益是来自更好的编码技术还是更好的冗余降低方法。类似地，显著性成分与多样性成分对所生成摘要的贡献也未得到充分研究。基于最先进的摘要编码方法，我们提出了两个自适应学习模型：AREDSUM-SEQ，在句子选择过程中联合考虑显著性和新颖性；以及两步式 AREDSUM-CTX，先对显著性打分，再学习平衡显著性与冗余度，从而能够度量各方面的影响。在 CNN/DailyMail 和 NYT50 数据集上的实证结果表明，通过在单独步骤中显式建模多样性，AREDSUM-CTX 取得了显著优于 AREDSUM-SEQ 以及最先进抽取式摘要基线的性能。
引用
@article{arxiv.2004.06176,
title = {AREDSUM: Adaptive Redundancy-Aware Iterative Sentence Ranking for Extractive Document Summarization},
author = {Keping Bi and Rahul Jha and W. Bruce Croft and Asli Celikyilmaz},
journal= {arXiv preprint arXiv:2004.06176},
year = {2021}
}
备注
In proceedings of EACL'2021