基于长度可控变分自编码器的无监督抽取式句子摘要
计算与语言
2018-09-24 v2
摘要
在这项工作中，我们提出一种使用变分自编码器（VAE）以抽象方式摘要句子的无监督方法。已知VAE能学习到表示高维输入的语义丰富的潜变量。VAE通过从概率潜变量重建输入来训练。在训练期间显式提供关于输出长度的信息会影响VAE不去编码该信息，从而可在推理时加以操控。指示解码器产生更短的输出序列会导致用更少的词表达输入句子。我们在不同的摘要数据集上表明，这些更短的句子虽无法击败简单基线，但比尝试重建整个句子获得了更高的ROUGE分数。
引用
@article{arxiv.1809.05233,
title = {Unsupervised Abstractive Sentence Summarization using Length Controlled Variational Autoencoder},
author = {Raphael Schumann},
journal= {arXiv preprint arXiv:1809.05233},
year = {2018}
}