通过学习句子权重分布改进社交媒体文本摘要
计算与语言
2017-11-01 v1
摘要
近来,编码器-解码器模型被广泛用于社交媒体文本摘要。然而,这些模型有时错误地选取不相关句子中的噪声词作为摘要的一部分,从而降低了性能。为抑制不相关句子并聚焦于关键信息,我们提出一种通过学习句子权重分布的有效方法。在我们的模型中,我们构建一个多层感知机来预测句子权重。训练期间,我们使用 ROUGE 分数作为估计句子权重的替代,并试图最小化估计权重与预测权重之间的差距。以此方式,我们鼓励模型聚焦于与摘要高度相关的关键句子。实验结果表明,我们的方法在大规模社交媒体语料库上优于基线。
引用
@article{arxiv.1710.11332,
title = {Improving Social Media Text Summarization by Learning Sentence Weight Distribution},
author = {Jingjing Xu},
journal= {arXiv preprint arXiv:1710.11332},
year = {2017}
}