초록
우리는 대상 요약의 다양한 내용과 길이를 가진 다수의 변형을 생성한 후, 사용자 요구에 따라 점수를 매기고 적절한 요약을 선별하는 새로운 접근 방식을 제안한다. 단일 참조 요약에 기반하여 훈련된 추상적 요약 모델은 중요한 정보를 포괄하고 원문에 충실하며 문법적으로 올바르고 자연스러운 여러 바람직한 특성을 동시에 만족하는 출력을 생성하는 데 어려움을 겪을 수 있다. 본 논문에서는 첫 번째 단계에서 원본 텍스트로부터 다양한 후보 요약을 생성하는 이중 단계 전략을 제안하며, 두 번째 단계에서는 이러한 후보 요약들을 평가하고 사용자 요구에 부합하는 적절한 요약을 선택한다. 특히, 우리 제안하는 생성기는 요약의 길이에 대해 정밀한 제어가 가능하며, 공간이 제한된 환경에서 특히 유리하다. 선택기(Selector)는 최적의 요약 길이를 예측하도록 설계되었으며, 원문에 대한 충실도(faithfulness)에 특별한 주목을 기울이고 있다. 두 단계 모두 효과적으로 훈련, 최적화 및 평가가 가능하다. 기준 요약 데이터셋을 대상으로 수행한 실험 결과, 본 패러다임이 최신 기술 수준의 성능을 달성할 수 있음을 보여준다.