読者コメントを組み込んだ抽象的要約生成

神経抽象的要約の分野において、従来のシーケンス・ツー・シーケンス（sequence-to-sequence）ベースのモデルは、文書の主要な側面に対して誤った側面を要約することがしばしばあります。この問題に対処するために、我々は読者意識的な抽象的要約生成タスクを提案します。このタスクでは、読者のコメントを利用してモデルが主要な側面についてより良い要約を生成するように支援します。伝統的な抽象的要約タスクとは異なり、読者意識的な要約には以下の2つの主な課題があります：(1) コメントは非公式で雑音が多い；(2) ニュース文書と読者のコメントを同時にモデリングすることは困難である。これらの課題に対処するため、我々は4つの構成要素からなる対抗学習モデルである読者意識的要約ジェネレータ（Reader-Aware Summary Generator, RASG）を設計しました：(1) シーケンス・ツー・シーケンスベースの要約ジェネレータ；(2) 読者が注目している側面を捉える読者アテンションモジュール；(3) 生成された要約と読者が注目している側面との意味論的ギャップをモデリングするスーパーバイザー；(4) 各生成ステップの目標を生成するゴールトラッカー。スーパーバイザーとゴールトラッカーは、対抗的な方法でフレームワークの訓練をガイドするために使用されます。我々は大規模な実世界テキスト要約データセット上で広範な実験を行いました。その結果、RASGは自動評価指標および人間評価の両方において最先端の性能を達成したことが示されました。実験結果はまた、我々のフレームワーク内の各モジュールの効果性も証明しています。さらに研究のために、我々の大規模データセットを公開します。