摘要
本文提出了一种新的无监督抽象摘要生成方法，该方法在给定长度约束下，通过最大化摘要的覆盖度与流畅度的综合指标来实现。该方法引入了一种新机制：强制在摘要中包含原始文档中的关键术语——具体做法是将原始文档中的关键术语进行掩码处理，要求覆盖模型利用当前生成的摘要内容来恢复这些被掩码的术语。此外，本文还设计了一种新颖的无监督训练流程，结合覆盖模型与流畅度模型，用于生成并评估摘要质量。在多个主流新闻摘要数据集上的实验结果表明，该方法相较于以往的无监督方法，F1得分（R-1）提升超过2个百分点，其性能已接近表现优异的监督学习方法。所提出的模型在实现更高抽象程度的同时，复制的原文片段长度仅为先前方法的约二分之一，并且能够在无监督条件下有效实现句子的压缩与合并。