论文笔记:Diverse Beam Search for Increased Novelty in Abstractive Summarization

该论文提出了一种新的摘要生成方法,通过Diverse Beam Search降低抽取性,增强摘要的创新性。使用MMR和Sent2Vec评估候选序列,确保摘要与原文内容相关但避免过度抽取。实验显示这种方法在降低抽取率的同时,提升了ROUGE得分。
摘要由CSDN通过智能技术生成

文章来源:

Arxiv,2018

作者:

Cibils Andre, Musat Claudiu, Hossmann Andreea, Baeriswyl Michael

关键词:

Extractiveness; Diverse Beam Search;Sent2Vec; MMR

问题:

如何降低生成式摘要的抽取性?

模型:

PGNet生成摘要由于可以选择是否利用拷贝机制,使得实际生成的摘要中从原文抽取的部分过多。这篇文章指出,现有的NLP指标——plagiarism score由于只关注LCS(longest common sequence),不能很好区分完全抽取和部分抽取的句子。于是文章提出了一个新的用于衡量抽取性的指标——extractiveness score

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