基于问题聚焦奖励的强化抽取式摘要

我们研究一种用于抽取式摘要的新训练范式。传统上，人类摘要被用于推导抽取单元的黄金标准标签。然而，这些标签常不准确，因为人类摘要与源文档难以在词级别对齐。本文中我们将人类摘要转换为一组完形填空式理解问题。系统摘要被鼓励保留对回答问题有用的显著源内容，并与摘要共享常见词。我们使用强化学习探索可能的抽取式摘要空间，并引入问题聚焦奖励函数以促进简洁、流畅且信息丰富的摘要。我们的实验表明所提方法有效，在标准摘要数据集上超越了最先进的系统。