Iteratives Lernen der Dokumentdarstellung für die Zusammenfassung mit Optimierung

In dieser Arbeit stellen wir die iterative Textzusammenfassung (ITS) vor, ein auf Iterationen basierendes Modell für überwachte extraktive Textzusammenfassung. Diese Methode wurde inspiriert durch die Beobachtung, dass es oft notwendig ist, einen Artikel mehrere Male zu lesen, um dessen Inhalte vollständig zu verstehen und zusammenzufassen. Aktuelle Zusammenfassungsverfahren lesen ein Dokument nur einmal durch, um eine Dokumentdarstellung zu generieren, was zu einer suboptimalen Darstellung führt. Um dieses Problem anzugehen, führen wir ein Modell ein, das die Dokumentdarstellung bei mehreren Durchgängen durch das Dokument schrittweise verbessert. Als Teil unseres Modells haben wir auch einen selektiven Lesemechanismus eingeführt, der genauer entscheidet, in welchem Maße jeder Satz im Modell aktualisiert werden sollte. Experimentelle Ergebnisse auf den Datensätzen CNN/DailyMail und DUC2002 zeigen, dass unser Modell sowohl bei maschinellen als auch bei menschlichen Bewertungen erheblich besser abschneidet als die besten bisher bekannten extraktiven Systeme.