그래프 기반 신경망 다중 문서 요약

우리는 문장 관계 그래프를 통합한 신경망 다중 문서 요약(Neural Multi-Document Summarization, MDS) 시스템을 제안합니다. 이 시스템에서는 반복 신경망(Recurrent Neural Networks)에서 얻은 문장 임베딩을 입력 노드 특성으로 사용하여 관계 그래프 위에 그래프 합성곱 네트워크(Graph Convolutional Network, GCN)를 적용합니다. 여러 계층별 전파 과정을 통해 GCN은 주요성 추정에 사용되는 고차원의 숨겨진 문장 특성을 생성합니다. 이후 우리는 중복을 피하면서 주요 문장을 추출하기 위해 탐욕적 휴리스틱 알고리즘을 사용합니다. DUC 2004 실험에서 우리는 세 가지 유형의 문장 관계 그래프를 고려하고, 그래프 내의 문장 관계와 깊은 신경망의 표현력이 결합될 때의 장점을 입증합니다. 우리의 모델은 전통적인 그래프 기반 추출 방식과 그래프가 없는 기본 GRU 시퀀스 모델보다 우수하며, 다른 최신 다중 문서 요약 시스템들과 비교해 경쟁력 있는 결과를 달성하였습니다.