摘要
受人类总结长篇文档方式的启发，我们提出了一种准确且快速的摘要生成模型，该模型首先选择关键句子，然后以抽象的方式（即压缩和改写）重写这些句子，从而生成简洁的整体摘要。我们采用了一种新颖的句级策略梯度方法，在这两个神经网络之间建立层次化的非可微计算桥梁，同时保持语言的流畅性。实证结果显示，我们在CNN/Daily Mail数据集的所有指标上（包括人工评估）达到了新的最先进水平，并且显著提高了抽象性得分。此外，通过先在句级再在词级进行操作，我们实现了神经生成模型的并行解码，这使得推理速度比之前的长段落编码器-解码器模型快10-20倍，并且训练收敛速度也快了4倍。我们还在仅用于测试的DUC-2002数据集上展示了模型的泛化能力，在该数据集上我们的得分高于最先进的模型。