【IJCAI2020-CMU】结构注意力的神经抽象摘要

基于注意力的、基于RNN的编解码器体系结构在对新闻文章进行抽象摘要方面取得了令人瞩目的成绩。然而，这些方法不能解释文档句子中的长期依赖关系。这个问题在多文档摘要任务中更加严重，例如在社区问答(CQA)网站(如Yahoo!答案,Quora。这些线索包含的答案往往相互重叠或相互矛盾。在这项工作中，我们提出了一种基于结构注意力建模这种句子间和文档间依赖关系的层次编码器。我们将流行的指针-生成器体系结构及其派生的一些体系结构设置为基线，并说明它们无法在多文档设置中生成良好的摘要。我们进一步证明，我们提出的模型在单文档和多文档摘要设置方面都比基线有了显著的改进——在前一种设置中，它分别比CNN和CQA数据集上的最佳基线提高了1.31和7.8个ROUGE-1点;在后一种设置中，CQA数据集的性能进一步提高了1.6个ROUGE-1点。

https://arxiv.org/abs/2004.09739

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“NASA” 就可以获取《结构注意力的神经抽象摘要》专知下载链接

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源