基于强化学习的混合式文本摘要模型

摘要

抽取式文本摘要模型往往能保证语言流畅性,但只能使用原文句子,较为冗余;而生成式文本摘要模型能够使用非原文词生成摘要,比较精简,但时常不合语法,语言流畅性低.针对上述问题,并受到人们书写长文本摘要过程的启发,提出了一种基于强化学习的混合式文本摘要模型,我们首先抽取的方式来实现对于文本中重要句子的抽取,然后通过编码器解码器(Encoder-Decoder)模型对这些句子进行生成式重写,最后组成我们的摘要.两个网络是使用强化学习的方式连接起来一起训练的.模型结合了抽取式文本摘要模型和生成式文本摘要模型的优点,并且保证了最终摘要的语言流畅性与精简性.在康奈尔大学新发布的Newsroom数据集上的实验表明,ROUGE-1、ROUGE-2、ROUGE-N得分在比当前官网最好的模型分别提升了1.1、1.07、0.89分.