NLP-生成模型-2017-PGNet：Seq2Seq+Attention+Coverage+Copy【Coverage解决解码端重复解码问题；Copy机制解决解码端OOV问题】【抽取式+生成式】

PGNet模型训练注意事项：

• Coverage机制要在训练的最后阶段再加入（约占总训练时间的1％），如果从刚开始训练时就加入则反而影响训练效果；
• Copy机制在源文本的各个单词上的概率分布直接使用Attention机制计算的在源文本的各个单词上的概率分布；

一、概述

随着互联网飞速发展，产生了越来越多的文本数据，文本信息过载问题日益严重，对各类文本进行一个“降 维”处理显得非常必要，文本摘要便是其中一个重要的手段。

文本摘要旨在将文本或文本集合转换为包含关键信息的简短摘要。

1、文本摘要模型分类

按照输出类型可分为抽取式摘要和生成式摘要。

1. 抽取式摘要从源文档中抽取关键句和关键词组成摘要，摘要全部来源于原文。
2. 生成式摘要根据原文，允许生成新的词语、原文本中没有的短语来组成摘要。

“文本摘要”模型