关键词neural extractive summarization
搜索结果 - 3
- ACL基于文本匹配的抽取式摘要
通过语义文本匹配任务范式,本论文提出了一种新的神经抽取式摘要系统构建方法。经过与原有抽取式摘要方法数据集的实验对比,该方法取得了更好的抽取结果,并通过对 CNN / DailyMail 数据集的实验,创造了 44.41 的新高水平。我们相信 - ACLHIBERT:基于分层双向 Transformer 的文档级预训练技术用于文档摘要
本文提出了一种名为 Hibert 的预训练模型,并将其应用于神经抽取性摘要模型中,通过使用该模型获得了 CNBC / Dailymail 数据集 1.25 ROUGE 和 New York Times 的 2.0 ROUGE, 相比于随机初 - AAAI通过深度强化学习学习提取连贯摘要
本文提出了一种名为 RNES 的增强型神经汇总模型,在使用无标签数据的情况下,通过机器学习的方式训练该模型以优化汇总的连贯性和信息重要性,并通过实验证明了 RNES 的性能优于现有的基准模型,达到了 CNN/Daily Mail 数据集的