通过深度强化学习学习抽取连贯摘要
计算与语言
2018-04-20 v1
摘要
连贯性在从文档生成高质量摘要中起着关键作用。近年来，神经抽取式摘要日益受到关注。然而，大多数方法在抽取句子时忽略了摘要的连贯性。作为抽取连贯摘要的努力，我们提出一个神经连贯性模型来捕捉跨句子的语义与句法连贯模式。所提出的神经连贯性模型免除了特征工程的需要，并可使用无标注数据以端到端方式训练。实证结果表明，该神经连贯性模型能有效捕捉跨句子连贯模式。利用神经连贯性模型与 ROUGE 软件包的组合输出作为奖励，我们设计了一种强化学习方法来训练所提出的神经抽取式摘要器，命名为强化神经抽取式摘要（RNES）模型。RNES 模型学习同时优化摘要的连贯性与信息重要性。实验结果表明，所提出的 RNES 优于现有基线，并在 CNN/Daily Mail 数据集上取得了 ROUGE 指标的 SOTA 性能。定性评估表明，RNES 生成的摘要更具连贯性与可读性。
引用
@article{arxiv.1804.07036,
title = {Learning to Extract Coherent Summary via Deep Reinforcement Learning},
author = {Yuxiang Wu and Baotian Hu},
journal= {arXiv preprint arXiv:1804.07036},
year = {2018}
}
备注
8 pages, 1 figure, presented at AAAI-2018