面向中文社交媒体文本摘要的序列到序列学习：提升语义相关性
计算与语言
2017-06-09 v1
摘要
当前的中文社交媒体文本摘要模型基于编码器-解码器框架。尽管其生成的摘要在字面上与源文本相似，但语义相关性较低。本工作旨在提升中文社交媒体摘要中源文本与摘要之间的语义相关性。我们引入一种基于语义相关性的神经模型，以促进文本与摘要之间的高语义相似度。在该模型中，源文本由门控注意力编码器表示，而摘要表示则由解码器生成。此外，在训练过程中最大化两个表示之间的相似度得分。实验表明，所提模型在社交媒体语料库上优于基线系统。
引用
@article{arxiv.1706.02459,
title = {Improving Semantic Relevance for Sequence-to-Sequence Learning of Chinese Social Media Text Summarization},
author = {Shuming Ma and Xu Sun and Jingjing Xu and Houfeng Wang and Wenjie Li and Qi Su},
journal= {arXiv preprint arXiv:1706.02459},
year = {2017}
}
备注
Accepted by ACL