《Get To The Point: Summarization with Pointer-Generator Networks》阅读笔记
1 Why
Seq2Seq结构的神经网络克服了以往的生成摘要的单纯摘抄方法的缺点。但是其本身也存在三个缺点:1 生成不真实的细节,2 重复语句,3 无法处理OOV问题。
2 What
所以本文从两个独立的角度提出了解决方法。
2.1 hybrid pointer-generator network
通过pointing的方式从encoder的输入序列中复制词以帮助词语的正确生成,同时通过generator保持生成新词的能力。
2.2 coverage
通过coverage记录已经生成的summary,防止重复。
3 How
本文介绍模型的顺序是baseline的seq2seq+attention模型—>baseline+pointer---->baseline+pointer+coverage
3.1 baseline sequence-to-sequence model
基本的Seq2Seq模型,encoder是双向的LSTM,decoder是单向的encoder,attention机制使用 Bahdanau的方法,损失函数是负的对数似然函数。
3.2 pointer-generator model
在baseline模型基础上,拼接pointer network (Vinyals et al.,
2015)。使得模型能够通过pointing从encoder的输入序列中复制词语加入到decoder输出的固定词表中生成新的更大的词表。拼接的模块包括pointer的构造和两个分布的合并。
-
pointer 的构造:
P g e n ∈ [ 0 , 1 ] Pgen ∈[0,1] Pgen∈[0,1] 是每个时间步的生成概率: 由注意力context vector、decoder的隐藏转态和输入x构成:
式子中的w和b都是要学习的参数向量,σ是sigmoid函数。其与注意力机制的计算不同的是多了wx这一项且参数都是向量, P g e n Pgen Pgen是一个介于0和1之间的标量。 -
两个分布合并:
P g e n Pgen Pgen的作用相当于一个控制开关,其决定decoder最终的输出词表大小,即最终的词表大小由词典 P v o c a b Pvocab Pvocab采样,加上从attention分布中采样,并可避免OOV问题。
上式加号左边是从词典中采样,右边是从attention中采样。
如果输入的某个词w是OOV的话, P v o c a b ( w ) Pvocab (w) Pvocab(w)就会等于0,如果w没有在source文件中出现过,那么$∑i:wi =w ati $项也会为0,其表示decoder的第 t 步的attention的第 i 维表示词w的值。具体作用如下图:
像上图的Final Distribution中,“2-0”在训练数据中没有出现过,所以decoder输出的分布中,没有其概率,通过pointer将预测数据中出现的“2-0”的atttion分数作为概率加入到decoder的输出分布中,扩展了原来词典的分布,形成最后的分布。而Argentina同理,只是Argentina在训练数据中出现过,所以是两个概率的叠加形成最后的概率。当然,叠加的过程需要受到Pgen的控制。
3.3 coverage mechanism
生成的语句中出现重复的语段是seq2seq模型常见的问题,所以本文采用了coverage model(Tu et al. (2016))来解决这个问题。
本文将decoder的每个时间步及之前的attention向量累加起来得到所谓的coverage向量,衡量了词语已经被attention机制覆盖的程度。再将其添加到注意力生成的公式中。
wc是和v一样大小的向量,添加C的作用是使得模型在生成注意力向量时通过C能得知那些位置之前已经关注过,避免了重复关注同一位置,生成重复的文本。
所以为了惩罚模型重复关注相同位置,本文还定义了新的coverage loss函数,其小于等于1。
将coverage loss加到原来的损失函数中得到最后的组合损失函数:
4 Result
recently-introduced CNN/
Daily Mail dataset (Hermann et al., 2015; Nallap-
ati et al., 2016), which contains news articles (39
sentences on average) paired
上面的是abstractive的方法,下面的是extractive的方法,可以看到pointer-generator+coverage的方法要好于baseline和abstractive model,但是并没有比传统的extractive方法好,本文的解释是1 新闻类的文章会把重要的信息放在开头,所以像lead-3 baseline等提取前几句话作为摘要的方法效果会比较好,2 参考摘要的主观性。
5 Idea
- 利用 pointer 直接从encoder的输入序列抽取单词,扩展了decoder输出词表。或许可以先抽取出关键词,然后再围绕关键词生产摘要。
6 Relatives
待续。。