使用元启发式方法改进序列到序列模型用于抽象文本摘要

随着人类社会进入信息时代，注意力持续时间缩短成为一种偶然性，花时间阅读长篇新闻文章的人迅速减少，对简洁信息的需求比以往任何时候都高。因此，通过简洁地总结最重要的新闻文章和最直观的标题来提供重要新闻的快速概览至关重要。当人类尝试制作摘要时，他们从源文本中提取关键信息，并从原始摘录中添加有用的短语和语法注释。人类具有创造抽象概括的独特能力。然而，自动摘要是一个复杂的问题。用于神经抽象文本摘要的序列到序列（seq2seq）模型在普及程度上一直在上升。已经提出了许多创新策略来进一步发展当前的seq2seq模型，使它们能够处理诸如显著性、熟悉度和人类可读性等不同问题，并生成优秀的摘要。在本文中，我们旨在改进当前的抽象文本摘要架构和模型。修改旨在微调超参数，尝试特定的编码器-解码器组合。我们在广泛使用的CNN/DailyMail数据集上进行了大量实验，以检验各种模型的有效性。