基于潜在语篇结构学习及其排序的无监督神经单文档评论摘要

本文关注无监督条件下对单条产品评论进行端到端抽取式摘要。我们假定一条评论可描述为一棵语篇树,其中摘要为根,子句对其父句进行详细解释。通过从其子句递归估计父句,我们的模型无需外部解析器即可学习潜在语篇树并生成简洁摘要。我们还引入一种对树上各句重要性进行排序的架构,以支持聚焦于评论要点的摘要生成。实验结果表明,我们的模型与其他无监督方法相比具有竞争力或优于它们。特别是对于相对较长的评论,它取得了与有监督模型相当或更好的性能。所诱导的树显示子句提供了关于其父句的附加信息,且生成的摘要概括了整条评论。