面向问题驱动摘要的多跳推理方法
计算与语言
2020-10-09 v1
摘要
问题驱动摘要近来被研究作为一种有效的方法，用于概括源文档以为非事实型问题生成简洁而信息丰富的答案。本工作中，我们提出一种新颖的问题驱动抽取式摘要方法，多跳选择性生成器（MSG），将多跳推理引入问题驱动摘要，同时为生成的摘要提供论证依据。具体而言，我们通过类人的多跳推理模块联合建模与问题的相关性以及不同句子间的相互关系，从而捕捉用于论证摘要答案的重要句子。设计了一种带有多视角覆盖机制的门控选择性指针生成网络，以整合来自不同视角的多样信息。实验结果表明，所提方法在 WikiHow 和 PubMedQA 两个非事实型问答数据集上持续优于最先进的方法。
引用
@article{arxiv.2010.03738,
title = {Multi-hop Inference for Question-driven Summarization},
author = {Yang Deng and Wenxuan Zhang and Wai Lam},
journal= {arXiv preprint arXiv:2010.03738},
year = {2020}
}
备注
Accepted by EMNLP 2020 (main conference, long paper)