要約
要約文は原文の意味を変えてはならない。その意味を保ちつつ、テキストの要約を行うための最も効果的な方法の一つは、要約の抽象化を可能にしつつ、コピー量を増やすことである。人間の編集者は通常、コピーの程度を制御でき、結果として抽出型（extractive）に近い要約や生成型（abstractive）に近い要約を柔軟に生成できる。しかし、現代のニューラル生成型要約モデルが同様の柔軟性を備えているかどうかは、依然として十分に理解されていない。具体的には、単一の参照要約から学習し、コピー量の異なる複数の要約仮説を生成する能力があるかどうかである。本論文では、単一の人工要約から学習することで、完全に抽出型から高度に生成型に至る広範な要約を生成可能なニューラル要約モデルを提示する。本研究では要約のタスクを言語モデルとして定式化し、要約仮説を生成するための代替的なメカニズムを活用する。提案手法は、ニューラル要約モデルの学習段階およびデコード段階の両方でコピーの程度を制御可能とする。広範な実験を通じて、本手法が原文のそのままのコピー量を制御する上で有意な効果を示し、強力なベースラインに対して競争力のある結果を達成することを示した。さらに、分析により興味深い、かつ直感的でない事実が明らかになった。