Reader-Aware Multi-Document Summarization: An Enhanced Model and The First Dataset

该研究提出了一种读者感知的多文档摘要模型,结合新闻文档和读者评论生成摘要。通过变分自动编码器(VAE)进行句子显著性估计,解决评论中的噪声问题,并设计加权组合机制估计评论权重。模型旨在改善多文档摘要性能,同时考虑新闻与评论的复杂关系。
摘要由CSDN通过智能技术生成

Piji Li, Lidong Bing, Wai Lamy
Department of Systems Engineering and Engineering Management, The Chinese University of Hong Kong AI Lab, Tencent Inc., Shenzhen, China
EMNLP 2017

Background

RA-MDS(Reader-aware multi-document summarization)
Jointly consider news documents and reader comments when generating the summaries
Chanllege of RA-MDS
同时考虑新闻和评论时如何进行salience estimation,模型对有分歧的评论必须足够敏感,评论内容很杂乱

VAE(Variational Auto-Encoders)

变分自动编码器,背后的数学比较复杂
在输入输出维度满足要求的前提下,decoder 以为任何结构——MLP、CNN,RNN 。
由于输入数据规一化到 [0, 1] 区间,因此,令 decoder 的输出也在这个范围内。可通过在 decoder 的最后一层加上 sigmoid 激活实现
这里写图片描述
这里写图片描述

VAE——sampling

Reparemerizatio

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值