基于联合上下文驱动注意力机制的相关工作神经摘要方法
计算与语言
2021-04-30 v1 人工智能
摘要
传统的自动相关工作摘要解决方案严重依赖人工设计的特征。在本文中，我们利用 seq2seq 范式开发了一种神经数据驱动摘要器，其中提出了一种联合上下文驱动注意力机制，用于同时度量全文内的上下文相关性以及异构参考文献图的相关性。我们的动机在于维持相关工作章节与其目标文档之间的主题连贯性，其中文本与图结构上下文在准确刻画科学出版物之间关系时起着重要作用。在大型数据集上的实验结果表明，我们的方法相较典型的 seq2seq 摘要器和五种经典摘要基线取得了显著提升。
引用
@article{arxiv.1901.09492,
title = {Neural Related Work Summarization with a Joint Context-driven Attention Mechanism},
author = {Yongzhen Wang and Xiaozhong Liu and Zheng Gao},
journal= {arXiv preprint arXiv:1901.09492},
year = {2021}
}
备注
11 pages, 3 figures, in the Proceedings of EMNLP 2018