基于加噪与去噪的无监督观点摘要

在包含数十万文档-摘要对的大规模数据集上监督训练高容量模型，是近期抽象式摘要深度学习技术取得成功的关键。遗憾的是，在多数领域（新闻以外）此类训练数据并不可用且难以获取。本文使监督学习可用于仅有文档（如产品评论或商业评论）而无真实摘要的场景。我们从用户评论语料中采样一条评论，将其假定为摘要，并生成其带噪版本作为伪评论输入，从而构建合成数据集。我们引入若干受语言学驱动的噪声生成函数，以及一个学习对输入去噪并生成原始评论的摘要模型。在测试时，模型接收真实评论并生成包含显著观点的摘要，将未达成共识者视为噪声。大量自动与人工评估表明，我们的模型相较抽象式与抽取式基线均带来实质性改进。