面向文档摘要的联合终身主题模型与流形排序
计算与语言
2019-07-09 v1
摘要
由于流形排序方法利用加权网络基于已知数据对未知数据进行排序具有显著效果，许多研究者使用流形排序方法解决文档摘要任务。然而，他们在为流形排序方法构建加权网络时仅考虑原始特征而忽略了句子的语义特征。为解决该问题，我们提出了两种基于流形排序方法的改进模型。其一将主题模型与流形排序方法结合（JTMMR）以解决文档摘要任务。该模型不仅使用原始特征，还使用语义特征来表示文档，从而提升流形排序方法的准确性。其二是将终身主题模型与流形排序方法结合（JLTMMR）。在JTMMR基础上，该模型加入知识约束以提升主题质量。同时，我们还加入文档间关系约束以挖掘更好的文档语义特征。JTMMR模型通过利用更好的语义特征可改善流形排序方法的效果。实验表明，我们的模型在多文档摘要任务上取得了优于其他基线模型的结果。同时，我们的模型在单文档摘要任务上也表现良好。在结合少量基础表层特征后，我们的模型显著优于近年来一些基于深度学习的模型。此后，我们还通过分析添加反馈的效果对终身机器学习进行了探索性工作。实验表明，向我们的模型添加反馈的效果是显著的。
引用
@article{arxiv.1907.03224,
title = {Joint Lifelong Topic Model and Manifold Ranking for Document Summarization},
author = {Jianying Lin and Rui Liu and Quanye Jia},
journal= {arXiv preprint arXiv:1907.03224},
year = {2019}
}
备注
28 pages, 7 figures