【微软】利用知识图谱提高抽象摘要的事实正确性，Boosting Factual Correctness

摘要的一个常见问题是文章中事实信息的失真或捏造。摘要和原文之间的这种不一致引起了对其适用性的各种关切。在这篇文章中，我们提出通过知识的融合来提高总结的事实正确性，即从文章中提取事实关系。我们提出了一个事实感知的摘要模型FASum。该模型通过神经图计算将知识信息有机地集成到摘要生成过程中，有效地提高了事实的正确性。实验结果表明，在独立训练的事实正确性评估者和人工评估下，与最先进的摘要摘要系统相比，FASum生成的摘要具有更高的事实正确性。例如，在CNN/DailyMail数据集中，FASum的事实正确性得分比UniLM高1.2%，比BottomUp高4.5%。