BiSET：基于模板的双向选择性编码用于摘要生成
计算与语言
2019-06-13 v1 信息检索
摘要
神经摘要模型的成功源于对源文章的精细编码。为克服有限且有时含噪的训练数据所带来的障碍，一个有前景的方向是在摘要过程中应用过滤器以更好地利用可用训练数据。本文提出一种新颖的基于模板的双向选择性编码（BiSET）模型，其利用从训练数据中发现的模板软性地从每篇源文章中选择关键信息以引导其摘要过程。在一个标准摘要数据集上进行了充分实验，结果表明配备模板的BiSET模型以新的最优性能显著改善了摘要表现。
引用
@article{arxiv.1906.05012,
title = {BiSET: Bi-directional Selective Encoding with Template for Abstractive Summarization},
author = {Kai Wang and Xiaojun Quan and Rui Wang},
journal= {arXiv preprint arXiv:1906.05012},
year = {2019}
}
备注
The 57th Annual Meeting of the Association for Computational Linguistics (ACL 2019)