要約
我々は、深層再帰生成デコーダ（Deep Recurrent Generative Decoder: DRGN）を備えたシーケンス・ツー・シーケンス指向のエンコーダー-デコーダーモデルに基づく新しい抽象的要約フレームワークを提案します。対象要約に含まれる潜在的な構造情報を、再帰的潜在確率モデルにより学習し、要約の品質向上を目指します。神経変分推論を用いて、再帰的潜在変数の扱いにくい事後分布推論に対処します。抽象的要約は、生成的潜在変数と判別的確定状態の両方に基づいて生成されます。異なる言語のいくつかのベンチマークデータセットにおける広範な実験結果から、DRGNが最先端手法に対して改善を達成していることが示されています。