基于命名实体识别的研究亮点自动生成

科学论文传统上以摘要开篇以概括全文。近年来，聚焦论文主要发现的研究亮点作为摘要之外的补充性总结开始出现。然而，亮点尚不如摘要普及，许多论文中缺失。本文旨在利用论文不同章节作为输入自动生成研究亮点。我们探究了对输入进行命名实体识别是否能提升生成亮点的质量。具体而言，我们使用了两种基于深度学习的模型：其一是指针生成网络，其二是为该模型增加覆盖机制的改进版。随后我们将命名实体识别特征分别融入上述每个模型。所提方法可用于为缺失亮点的论文生成亮点。实验表明，加入命名实体信息在 ROUGE、METEOR 和 BERTScore 指标上提升了基于深度学习的摘要器的性能。