用于摘要式文本摘要的生成对抗网络
计算与语言
2017-11-28 v1 人工智能
摘要
本文中，我们提出一种用于摘要式文本摘要的对抗过程，其中同时训练生成模型G与判别模型D。具体而言，我们将生成器G构建为强化学习的智能体，以原始文本为输入并预测摘要式摘要。我们还构建了一个判别器，试图将生成的摘要与真实摘要区分开来。大量实验表明，我们的模型在CNN/Daily Mail数据集上取得了与最先进方法具有竞争力的ROUGE分数。在定性上，我们展示了我们的模型能够生成更具摘要性、可读性与多样性的摘要。
引用
@article{arxiv.1711.09357,
title = {Generative Adversarial Network for Abstractive Text Summarization},
author = {Linqing Liu and Yao Lu and Min Yang and Qiang Qu and Jia Zhu and Hongyan Li},
journal= {arXiv preprint arXiv:1711.09357},
year = {2017}
}
备注
AAAI 2018 abstract, Supplemental material: http://likicode.com/textsum/