鲁棒的神经抽取式摘要系统及针对对抗信息的评测
计算与语言
2018-10-16 v1
摘要
序列到序列（seq2seq）神经模型已被积极研究用于抽取式摘要。然而，现有神经抽取系统频繁生成事实错误的摘要，且易受对抗信息攻击，显示出语义理解的严重缺失。本文提出一种新颖的语义感知神经抽取摘要模型，通过对显著内容进行语义解释来学习生成高质量摘要。我们引入一种带对抗样本的评测方案，以衡量模型识别离题信息的能力，我们的模型显著优于流行的指针-生成器摘要器。人工评测也确认，我们的系统摘要比 seq2seq 模型在信息性、忠实性上更优且冗余更少。
引用
@article{arxiv.1810.06065,
title = {Robust Neural Abstractive Summarization Systems and Evaluation against Adversarial Information},
author = {Lisa Fan and Dong Yu and Lu Wang},
journal= {arXiv preprint arXiv:1810.06065},
year = {2018}
}