关键词neural summarization model
搜索结果 - 4
- 面向抽象化多文档新闻摘要的无监督遮蔽目标
基于无监督掩码目标的方法，用高词汇中心性的源文档预测训练神经自动摘要模型，达到准确的新闻文献摘要，评测表明该方法胜过现有的无监督方法，超过最佳监督方法。同时还对不同的词汇中心性衡量标准的影响进行了评估。
- ACL多文档摘要的分层 Transformer
本文提出了一种神经网络归纳模型，能够有效地处理多个输入文档，并利用 Transformers 架构对文档进行层次编码，通过注意力机制来表示跨文档之间的关系，并学习文本单元之间的潜在依赖关系，在 Wikisum 数据集上的实验证明，所提出的架 - ACL用强化学习为抽取式摘要排序
提出了一种用于单文档大意提取的全新算法，能够通过强化学习目标全局优化 ROUGE 评估指标，并在 CNN 和 DailyMail 数据集上进行了实验，展示它在人工和自动评估中均优于现有抽取和生成式提取系统的神经大意提取模型。
- ACL可控抽象摘要
本文提出了一种神经摘要模型，能够通过简单而有效的机制实现用户对文本长度、风格、感兴趣的实体等高级属性的控制，以生成符合用户需求的高质量摘要，并在 CNN-Dailymail 数据集上优于现有的自动化系统和人工评价。