要約
ニューラルシーケンス・トゥ・シーケンスモデルは、抽出的なテキスト要約（つまり、元のテキストから単に選択し、並べ替えるだけでなく）に新たな有効なアプローチを提供しました。しかし、これらのモデルには2つの欠点があります。1つ目は事実関係の詳細を正確に再現できないこと、2つ目は自己反復しがちなことです。本研究では、標準的なシーケンス・トゥ・シーケンス注意モデルを2つの異なる方向で拡張する新しいアーキテクチャを提案します。まず、ハイブリッドポインター・ジェネレーターネットワークを使用することで、ソーステキストから単語をコピー（ポインティング）することが可能となり、情報の正確な再現が助けられます。同時に、ジェネレーターを通じて新しい単語を生成する能力も維持されます。次に、カバレッジを使用して何が要約されたかを追跡し、反復を抑制します。私たちはこのモデルをCNN / デイリー・メールの要約タスクに適用し、現在の抽出的最先端技術よりも少なくとも2ポイント高いROUGEスコアで性能を上回りました。