吸引还是忠实？面向启发式标题生成的流行度强化学习
计算与语言
2020-02-07 v1 机器学习
摘要
随着在线媒体源与发布新闻的快速激增，标题对于吸引读者阅读新闻文章变得愈发重要，因为用户可能被海量信息淹没。本文生成既保留新闻文章本质又同时抓住读者眼球的启发式标题。启发式标题生成任务可视为标题生成（HG）任务的一种特定形式，侧重于从给定新闻文章创作具有吸引力的标题。为生成启发式标题，我们提出一种称为面向启发式标题生成的流行度强化学习（PORL-HG）的新颖框架。PORL-HG 采用抽取-生成式架构，具有 1）流行主题注意力（PTA），用于引导抽取器从文章中选择有吸引力的句子；以及 2）一个流行度预测器，用于引导生成器重写该有吸引力的句子。此外，由于抽取器的句子选择不可微分，利用强化学习（RL）技术以由流行度评分预测器获得的奖励来弥合差距。通过定量与定性实验，我们表明所提 PORL-HG 在由人工（71.03%）和预测器（至少 27.60%）评估的吸引力方面显著优于最先进标题生成模型，同时 PORL-HG 的忠实度也与最先进生成模型相当。
引用
@article{arxiv.2002.02095,
title = {Attractive or Faithful? Popularity-Reinforced Learning for Inspired Headline Generation},
author = {Yun-Zhu Song and Hong-Han Shuai and Sung-Lin Yeh and Yi-Lun Wu and Lun-Wei Ku and Wen-Chih Peng},
journal= {arXiv preprint arXiv:2002.02095},
year = {2020}
}
备注
AAAI 2020