神经隐变量抽取式文档摘要

抽取式摘要模型需要句子级标签，而由于大多数摘要数据集仅有文档–摘要对，这些标签通常通过启发式方法（例如基于规则的方法）创建。由于这些标签可能并非最优，我们提出一种隐变量抽取模型，将句子视为隐变量，并利用激活了变量的句子来推断金标准摘要。训练过程中的损失直接来自金标准摘要。在CNN/Dailymail数据集上的实验表明，我们的模型优于在启发式近似标签上训练的强抽取基线，并且与若干近期模型相比也具有竞争力。