Question

文本自动摘要生成

Answer 1

文本自动摘要按照输出类型分为：抽取式摘要和生成式摘要。

文本摘要根据不同的分类标准可以划分为多种类型。按照数据有无标注，可以分为有监督和无监督两种。

文本摘要按照输入类型可分为单文档摘要和多文档摘要。

优点：在语法、句法上有一定的保证；

缺点：内容选择错误、连贯性差、灵活性差

抽取式方法从原文中选取关键词或关键句组成摘要。这种方法在语法、句法上错误率低，保证了一定的效果。

传统的方法：使用图方法、聚类等方式来完成无监督摘要。主要包含Lead-3、Text Rank和聚类三种。

目前流行的方法：将问题建模为序列标注和句子排序两类任务。

优点：允许摘要中包含新的词语或短语，灵活性高

缺点：生成过程往往缺少关键信息的控制和指导

目前流行：序列到序列（Seq2Seq）模型被广泛地用于生成式摘要任务，并取得一定的成果。

考虑到基于Seq2Seq的模型往往对 长文本的生成不友好 ，可以使用 真实摘要 来指导文本摘要的生成。其核心想法在于：相似句子的摘要也具有一定相似度，将这些摘要作为软模板，作为外部知识来进行辅助。

摘要任务可以大致分为两步，首先选择重要内容，其次进行内容改写。

生成式神经网络模型的基本结构主要由编码器（Encoder）和解码器（Decoder）组成，编码和解码都由神经网络实现。

贪心搜索算法，集束搜索算法

经典文本摘要基线模型：结合注意力机制的Seq2Seq的文本摘要模型和指针生成网络模型