标题生成：从可分解文档标题中学习
计算与语言
2019-05-13 v3
摘要
我们提出了一种为无结构文本文档生成标题的新方法。我们将该问题重新构建为一个序列问答任务。一个深度神经网络在具有可分解标题的文档-标题对上进行训练，这意味着标题的词汇是文档词汇的子集。为了训练模型，我们使用了一个包含数百万公开可用文档-标题对的语料库：新闻文章与头条。我们展示了一项随机双盲试验的结果，其中受试者不知道哪些标题是人写的或机器生成的。当在大约 150 万篇新闻文章上训练时，该模型生成的头条在人类评判中大多数情况下被认为与原始人工撰写的头条一样好或更好。
引用
@article{arxiv.1904.08455,
title = {Headline Generation: Learning from Decomposable Document Titles},
author = {Oleg Vasilyev and Tom Grek and John Bohannon},
journal= {arXiv preprint arXiv:1904.08455},
year = {2019}
}
备注
10 pages, 9 figures, 1 table. v3: Better figures, tables and descriptions - by reviewer Anna Venancio-Marques