초록
이 연구는 주어진 길이 제약 조건 내에서 요약의 커버리지(포괄성)와 자연스러움(fluidity)의 조합을 최대화하는 방식으로 비지도 추상적 요약을 위한 새로운 접근법을 제안한다. 제안하는 방법은 원문에서 핵심 용어를 마스킹한 후, 현재 생성된 요약을 이용해 커버리지 모델이 이를 복원하도록 유도함으로써, 요약에 핵심 용어를 포함시키도록 유도한다. 이 커버리지 모델과 자연스러움 모델을 활용한 새로운 비지도 학습 절차를 통해 요약을 생성하고 평가한다. 주요 뉴스 요약 데이터셋에서 평가한 결과, 기존 비지도 방법보다 R-1 지표에서 2점 이상 높은 성능을 보였으며, 경쟁적인 지도 학습 방법의 성능에 근접하였다. 제안 모델은 이전 연구 대비 복사된 문장의 길이를 약 두 배 짧게 유지하면서 더 높은 수준의 추상화를 달성하였고, 감독 신호 없이도 문장을 압축하고 통합하는 능력을 학습하였다.