基于偏好的交互式多文档摘要
计算与语言
2019-06-10 v1
摘要
交互式NLP是缩小自动NLP系统与人类上限之间差距的一种有前景的范式。基于偏好的交互式学习已被成功应用，但现有方法即使在具有完美用户反馈的模拟中也需要数千轮交互。本文研究基于偏好的交互式摘要。为减少交互轮数，我们提出主动式基于偏好的强化学习（APRIL）框架。APRIL使用主动学习来查询用户，使用偏好学习从偏好中学习摘要排序函数，并使用神经强化学习来高效搜索（近）最优摘要。我们的结果表明，用户可以轻松提供可靠的摘要偏好，且APRIL在模拟与真实用户实验中均优于最先进的基于偏好的交互式方法。
引用
@article{arxiv.1906.02923,
title = {Preference-based Interactive Multi-Document Summarisation},
author = {Yang Gao and Christian M. Meyer and Iryna Gurevych},
journal= {arXiv preprint arXiv:1906.02923},
year = {2019}
}
备注
Submitted to the special issue on "Learning from User Interactions", Information Retrieval Journal