الاستخلاص العصبي للملخصات باستخدام شبكة الرسم البياني المتمايز الهرمي غير المتجانس

تلخيص النص الاستخراجي على مستوى الجملة يُعد في جوهره مهمة تصنيف العقد في تعدين الشبكات، مع الالتزام بالمكونات المفيدة والتمثيلات الموجزة. توجد كميات كبيرة من العبارات الزائدة بين الجمل المستخلصة، لكن من الصعب نمذجة هذه الزوائد بدقة باستخدام الطرق المراقبة العامة. إذ تتميز مشغلات الجمل السابقة، وخاصة BERT، بقدرتها على نمذجة العلاقات بين الجمل المصدرية، لكنها لا تمتلك القدرة على أخذ التداخلات في الاعتبار بالنسبة للملخص المُختَرَّ، كما أن هناك اعتمادًا داخليًا بين العلامات المستهدفة للجمل. في هذه الورقة، نقترح HAHSum (وهي اختصار لـ "الرسم البياني الهرمي المُوجّه بالانتباه والمتعدد الأنواع للتلخيص النصي")، والذي يُعد نموذجًا فعّالًا لتمثيل مستويات مختلفة من المعلومات، بما في ذلك الكلمات والجمل، ويُبرز الاعتماديات المتعلقة بالازدواجية بين الجمل. تعتمد طريقة عملنا على تحسين تدريجي لتمثيلات الجمل باستخدام رسم بياني يراعي الازدواجية، وتحقيق الاعتماديات بين العلامات من خلال عملية تمرير الرسائل. وقد أظهرت التجارب على مجموعات بيانات معيارية كبيرة (CNN/DM، NYT، وNEWSROOM) أن HAHSum يحقق أداءً متميزًا ويتفوق على جميع النماذج السابقة للتلخيص الاستخراجي.