摘要
本文研究了从源句子生成摘要的句子摘要任务。神经序列到序列模型在该任务中已取得显著成果，然而，现有大多数方法仅关注提升摘要的信息量，而忽视了摘要的正确性——即摘要不应包含与源句子无关的内容。我们认为，正确性是摘要系统的一项基本要求。鉴于一个正确的摘要在语义上应被源句子所蕴含，我们将在抽象摘要模型中引入蕴含知识。为此，我们提出了一种在多任务框架（即摘要生成与蕴含识别）下的蕴含感知编码器，以及基于蕴含奖励增强最大似然（Entailment Reward Augmented Maximum Likelihood, RAML）训练的蕴含感知解码器。实验结果表明，所提出的模型在信息量与正确性两个方面均显著优于基线方法。