基于强化学习的句子摘要的句法蕴含质量
计算与语言
2019-12-12 v1
摘要
摘要相关工作已探索了使用 ROUGE 作为奖励的强化学习（RL）优化，以及句法感知模型（例如输入 enriched 了词性（POS）标签和依存信息的模型）。然而，除标准 ROUGE 评估指标外，这些方法的各自影响尚不清楚。特别是，基于 RL 的摘要正变得越来越流行。在本文中，我们沿多个与生成摘要感知质量相关的维度，对这两种方法及其组合进行了详细比较：重复词数量、词性标签分布、句子长度影响、相关性与语法性。利用标准的 Gigaword 句子摘要任务，我们将 RL 自批判序列训练（SCST）方法与利用 POS 标签和依存信息的句法感知模型进行比较。我们表明，在所有定性评估中，组合模型给出了最佳结果，但也表明仅使用 RL 训练且没有任何句法信息，已经能得到几乎与句法感知模型相当的结果，且参数更少、训练收敛更快。
引用
@article{arxiv.1912.05493,
title = {Quality of syntactic implication of RL-based sentence summarization},
author = {Hoa T. Le and Christophe Cerisara and Claire Gardent},
journal= {arXiv preprint arXiv:1912.05493},
year = {2019}
}
备注
AAAI-20 Workshop on Engineering Dependable and Secure Machine Learning Systems (EDSMLS 2020)