带背包约束的上下文子模列表预测及其在多文档摘要中的应用
机器学习
2014-03-18 v2
摘要
我们研究了在背包约束下预测选项集合或列表的问题。此类列表的质量由一个子模奖励函数进行评估，该函数同时衡量质量与多样性。类似于 DAgger (Ross et al., 2010)，通过归约为在线学习，我们展示了如何调整两种序列预测模型以模仿背包约束问题下的贪心最大化：CONSEQOPT (Dey et al., 2012) 和 SCP (Ross et al., 2013)。在抽取式多文档摘要上的实验表明，我们的方法优于现有的最先进方法。
引用
@article{arxiv.1308.3541,
title = {Knapsack Constrained Contextual Submodular List Prediction with Application to Multi-document Summarization},
author = {Jiaji Zhou and Stephane Ross and Yisong Yue and Debadeepta Dey and J. Andrew Bagnell},
journal= {arXiv preprint arXiv:1308.3541},
year = {2014}
}
备注
8 pages, ICML 2013 Workshop on Inferning: Interactions between Inference and Learning