关键词single document summarization
搜索结果 - 4
- 基于混合记忆网络的文摘提取模型
本研究提出了一种称为混合记忆网络的全数据驱动端到端深度网络,用于单个文档摘要任务,其通过联合捕获局部和全局句子信息以及摘要有价值的句子的概念来学习文档的连续统一表示,实验结果表明,与现有最先进的基线相比,该模型展示了显著的性能提升。
- ACL无监督摘要的句子重要性再探讨
本文提出了一种针对新闻摘要自动提取的无监督方法,该方法采用神经网络模型并结合基于图论的排名算法,使用 BERT 模型来更好地捕获句子意义,显著超过强基线的效果。
- 基于神经网络的抽象式多文档摘要生成方法研究
本文针对多文档自动摘要问题,提出了一个基于小型多文档训练集的神经抽象模型 fine-tuning 方法,实证结果在两个基准 DUC 数据集上表现优异。
- 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。