基于图注意力网络的文本摘要
计算与语言
2026-04-07 v1
摘要
本研究旨在利用图信息，特别是修辞结构理论 (RST) 和指代 (Coref) 图，来增强基线摘要模型的性能。具体而言，我们实验性地采用图注意力网络架构来融合图信息。然而，这种架构未能提升性能。随后，我们采用简单的多层感知器架构，改进了我们在 CNN/DM 数据集上提出模型的结果。此外，我们为 XSum 数据集标注了 RST 图信息，建立了面向未来图基摘要模型的基准。该次数据集提出了多个挑战，揭示了我们模型的优势与局限。
引用
@article{arxiv.2604.03583,
title = {Text Summarization With Graph Attention Networks},
author = {Mohammadreza Ardestani and Yllias Chali},
journal= {arXiv preprint arXiv:2604.03583},
year = {2026}
}
备注
Published in Proceedings of the 4th NeurIPS Efficient Natural Language and Speech Processing Workshop (ENLSP-IV), Vancouver, Canada, 2024. 14 pages, 8 figures