基于子方面函数进行条件神经生成的抽取式新闻摘要

借助大规模训练语料上的神经架构，文本摘要已取得诸多进展。然而在新闻领域，由于倒金字塔写作风格的盛行，神经模型容易利用位置相关特征而过拟合。此外，为不同用户生成多样化摘要的需求尚未得到满足。本文提出一种神经框架，通过引入一组子方面函数（即重要性、多样性、位置）来灵活控制摘要生成。这些子方面函数由一组控制码调节，以决定在摘要生成过程中聚焦于哪个子方面。我们证明，具有最小位置偏置的抽取式摘要与利用位置偏好的标准模型生成的摘要相当。我们还表明，以多样性为焦点生成的新闻摘要更受人类评分者青睐。这些结果表明，提供更可控选项的更灵活神经摘要框架可能更契合不同用户偏好，这很有用，因为针对不同应用事先明确此类偏好通常是不现实的。