自然语言处理论文分享（一）NAACL2018论文

基于关键信息指导网络的

文本摘要的自动生成

Guiding Generation for Abstractive Text Summarization based on KeyInformation Guide Network

李晨亮，徐蔚然，李思，高升

摘要：基于注意力机制的编码器-解码器神经网络模型在文本生成摘要中具有良好的能力。然而，这些模型在生成过程中很难被控制，导致摘要缺乏关键信息。我们提出了一个结合抽取方法和生成式方法的指导生成模型。首先，我们通过抽取模型从输入文本中获取关键词。然后，我们引入一个关键信息指导网络（KIGN），它将关键词编码为关键信息表示，以指导生成过程。此外，我们使用预测指导机制，可以获得当前解码生成的长期价值，以进一步指导摘要生成。我们在CNN /Dailymail数据集上评估我们的模型。实验结果表明我们的模型对实验结果有着显着的提升。

Figure 1: Our key information guide model.

Figure2: Comparison of the output of two models on a news article.

北邮模式识别实验室PRIS

微信号：pris_2018