具有内容规划的无监督观点摘要

深度学习技术在抽象式摘要方面的近期成功依赖于大规模数据集的可用性。在摘要评论（例如产品或电影）时，此类训练数据既不可用也难以轻易获取，这促使了依赖合成数据集进行监督训练的方法的发展。我们表明，在摘要模型中显式引入内容规划不仅能产生更高质量的输出，还允许创建更自然、类似于真实世界文档-摘要对的合成数据集。我们的内容规划采取方面和情感分布的形式，我们在无需昂贵标注的情况下从数据中归纳得到。合成数据集通过从由我们的内容规划器参数化的狄利克雷分布中采样伪评论来创建，而我们的模型基于输入评论和归纳出的内容规划生成摘要。在三个领域上的实验结果表明，我们的方法在生成捕捉观点共识的、信息丰富、连贯且流畅的摘要方面优于竞争模型。