基于PGN-CL的文本摘要生成模型

基于Seq2Seq框架的生成式文本摘要模型取得了不错的研究进展,但此类模型大多存在未登录词、生成文本重复、曝光偏差问题。为此,本文提出基于对抗性扰动对比学习的指针生成器网络PGN-CL来建模文本摘要生成过程,该模型以指针生成器网络PGN为基本架构,解决摘要模型存在的未登录词和生成文本重复的问题;采用对抗性扰动对比学习作为一种新的模型训练方式来解决曝光偏差问题。在PGN模型的训练过程中,通过向目标序列添加扰动并建立对比损失函数来生成对抗性正负样本,使负样本与目标序列在嵌入空间相似但语义差别很大,正样本与目标序列在语义空间很相近但嵌入空间差距较大,这些区分困难的正负样本可以引导PGN模型在特征空间更好地学习到正负样本的区分特征,获得更准确的摘要表示。在LCSTS数据集上的实验结果表明,提出的模型在ROUGE评价指标上的表现优于对比基线,证明了融合指针生成器网络和对抗性扰动对比学习对摘要质量提升的有效性。

融合主题信息的关键词生成式文本摘要模型研究

现有基于Seq2Seq框架的文本摘要模型在解决未登录词、文本重复生成等问题取得了较大进展,但在文本生成过程中依然存在关键信息缺失的问题。基于此,文章提出了主题信息关键词增强指针生成器网络(Thematic Keyword Enhancement Pointer Generator Networks,TKE-PGN)模型。该模型以指针生成器网络(Pointer-Generator Network,PGN)作为基线模型,引入关键词上下文向量对摘要生成进行指导。首先,在关键词提取阶段,使用线性判断分析(Linear Discriminant Analysis,LDA)方法对原文进行主题信息的提取,以此作为预训练语言模型BERT进行关键词提取时的信息补充。然后,在解码阶段融入主题关键词信息,以确保关键信息在解码阶段不会被遗漏或缺失。在CNN/Daily Mail数据集上的实验结果表明,提出的模型在ROUGE指标上对比基线模型有所提升,证明了该模型的有效性。

面向法律文书的分段式摘要模型

是指对文本信息内容进行概括、提取主要内容进而形成摘要的过程。现有的文本摘要模型通常将内容选择和摘要生成独立分析,虽然能够有效提高句子压缩和融合的性能,但是在抽取过程中会丢失部分文本信息,导致准确率降低。基于预训练模型和Transformer结构的文档级句子编码器,提出一种结合内容抽取与摘要生成的分段式摘要模型。采用BERT模型对大量语料进行自监督学习,获得包含丰富语义信息的词表示。基于Transformer结构,通过全连接网络分类器将每个句子分成3类标签,抽取每句摘要对应的原文句子集合。利用指针生成器网络对原文句子集合进行压缩,将多个句子集合生成单句摘要,缩短输出序列和输入序列的长度。实验结果表明,相比直接生成摘要全文,该模型在生成句子上ROUGE-1、ROUGE-2和ROUGE-L的F1平均值提高了1.69个百分点,能够有效提高生成句子的准确率。