子模摘要方法的大间隔学习
人工智能
2011-10-14 v2 计算与语言
机器学习
摘要
在本文中，我们提出了一种监督学习方法，用于训练面向抽取式多文档摘要的子模评分函数。通过采用结构化预测方法，我们提供了一种大间隔方法，该方法直接优化所需性能度量的凸松弛。该学习方法适用于所有子模摘要方法，并且我们在多个数据集上证明了其对成对评分函数和基于覆盖率的评分函数的有效性。与手动调整的最先进函数相比，我们的方法显著提高了性能，并能够实现参数数量远超手动合理调整范围的高保真模型。
引用
@article{arxiv.1110.2162,
title = {Large-Margin Learning of Submodular Summarization Methods},
author = {Ruben Sipos and Pannaga Shivaswamy and Thorsten Joachims},
journal= {arXiv preprint arXiv:1110.2162},
year = {2011}
}
备注
update: improved formatting (figure placement) and algorithm pseudocode clarity (Fig. 3)