주요 내용으로 straight: 포인터-제네레이터 네트워크를 이용한 요약

신경망 시퀀스-투-시퀀스 모델은 추상적 텍스트 요약(abstractive text summarization)을 위한 실현 가능한 새로운 접근 방식을 제공하였습니다(이는 원본 텍스트에서 문장을 단순히 선택하고 재배치하는 것에 제한되지 않음을 의미합니다). 그러나 이러한 모델들은 두 가지 단점이 있습니다. 첫째, 사실적인 세부 정보를 정확하게 재생산하지 못할 가능성이 있으며, 둘째, 반복되는 경향이 있습니다. 본 연구에서는 표준 시퀀스-투-시퀀스 주의 모델(attentional model)을 두 가지 독립적인 방법으로 확장하는 새로운 아키텍처를 제안합니다. 첫 번째로, 소스 텍스트에서 단어를 복사할 수 있는 하이브리드 포인터-제너레이터 네트워크(hybrid pointer-generator network)를 사용하여 정보의 정확한 재생산을 돕습니다. 이와 동시에 생성기(generator)를 통해 새로운 단어를 생성할 수 있는 능력을 유지합니다. 두 번째로, 이미 요약된 내용을 추적하기 위해 커버리지(coverage)를 사용하여 반복을 억제합니다. 우리는 이 모델을 CNN / Daily Mail 요약 작업에 적용하였으며, 최소 2개의 ROUGE 점수 이상으로 현재 추상적 요약 기술 중 가장 우수한 성능을 보였습니다.