OTExtSum：基于最优传输的抽取式文本摘要
计算与语言
2022-04-22 v1
摘要
抽取式文本摘要旨在从文档中选择关键句子以形成简短且信息丰富的摘要。尽管基于学习的方法已取得有前景的结果，它们存在若干局限，如依赖昂贵的训练且缺乏可解释性。因此，本文中我们提出一种新颖的基于非学习的方法，首次将文本摘要形式化为最优传输（OT）问题，即最优传输抽取式摘要器（OTExtSum）。最优句子抽取被概念化为获得一个最优摘要，该摘要关于其语义分布到给定文档的传输代价最小。此代价由Wasserstein距离定义，并用于度量摘要对原文档的语义覆盖度。在四个具挑战性且广泛使用的数据集——MultiNews、PubMed、BillSum和CNN/DM上的综合实验表明，我们提出的方法在ROUGE指标上优于最先进的基于非学习的方法及若干近期基于学习的方法。
引用
@article{arxiv.2204.10086,
title = {OTExtSum: Extractive Text Summarisation with Optimal Transport},
author = {Peggy Tang and Kun Hu and Rui Yan and Lei Zhang and Junbin Gao and Zhiyong Wang},
journal= {arXiv preprint arXiv:2204.10086},
year = {2022}
}
备注
Findings of NAACL 2022