代码:www.github.com/abisee/pointer-generator
想了解算法缘由可参考李宏毅老师2018版的机器学习课程
动机
以往S2S模型工作解决了不仅仅是选择重组片段来进行文本摘要的问题。
但是有两个缺点:不能够准确地再现事实细节,和容易重复
解决方法
pointer-generator混合网络
coverage记录已经被总结过的信息
例子
- S2S+attetion会出现事实错误,无意义的句子和OOV单词
- Pointer-Gen会出现重复
- Pointer-Gen+coverage由多个片段组成
模型
具体参考:https://zhuanlan.zhihu.com/p/27272224or https://zhuanlan.zhihu.com/p/53821581
实验
评价指标
ROUGE- 1、ROUGE-2和ROUGE- l的F1得分(分别测量参考摘要和待评价摘要之间的单词重叠、双语法重叠和最长公共序列)
METEOR:匹配模式(只奖励单词之间的完全匹配)和(另外奖励匹配的词干、同义词和释义)
两种方案
抽象,提取
讨论
提取式普遍好于抽象式,主要由于新闻往往开头包含最重要的信息
与reference summaries相比生成的n-grams较少,copy的较多