초록
추출 요약과 달리, 추상 요약은 원문의 다양한 부분을 융합해야 하므로 가짜 사실을 생성하기 쉽습니다. 우리의 예비 연구는 최신 신경망 요약 시스템의 출력 중 거의 30%가 이 문제를 겪고 있음을 밝혔습니다. 과거의 추상 요약 접근 방식들은 주로 정보성 향상에 초점을 맞추었지만, 우리는 실용적인 추상 요약 시스템을 위해서는 충실성이 또한 중요한 선결 조건임을 주장합니다. 요약에서 가짜 사실을 생성하지 않도록 하기 위해, 오픈 정보 추출 및 의존성 해석 기술을 활용하여 원문에서 실제 사실 설명을 추출합니다. 그런 다음, 원문과 추출된 사실 설명 모두를 고려하여 생성하도록 강제하는 듀얼 어텐션 시퀀스-투-시퀀스 프레임워크를 제안합니다. Gigaword 벤치마크 데이터셋에 대한 실험 결과, 우리의 모델이 가짜 요약을 80% 줄일 수 있음을 보여주었습니다. 특히, 사실 설명은 종종 원문의 의미를 압축하므로 정보성 측면에서도 상당한 개선 효과를 가져왔습니다.