초록
개괄적 요약은 문서 요약 연구의 궁극적인 목표이지만, 과거에는 텍스트 생성 기술의 미성숙으로 인해 상대적으로 덜 연구되어 왔다. 최근 신경망 모델을 활용한 개괄적 문장 요약 분야에서 놀라운 진전이 이루어졌다. 그러나 개괄적 문서 요약에 대한 시도는 여전히 초보적인 단계에 있으며, 기준 데이터셋에서 추출적 방법보다 평가 성능이 낮은 편이다. 본 논문에서는 신경망 기반 개괄적 문서 요약의 어려움을 검토하고, 시퀀스-투-시퀀스 프레임워크 내에서 새로운 그래프 기반 어텐션 메커니즘을 제안한다. 이 접근법의 핵심 아이디어는 이전 연구에서 간과되었던 요약의 주목성(saliency) 요인을 해결하는 데 있다. 실험 결과는 제안하는 모델이 기존 신경망 기반 개괄적 모델에 비해 상당한 성능 향상을 달성함을 보여준다. 또한 데이터 기반의 신경망 기반 개괄적 방법은 최신 추출적 방법과 경쟁 가능한 성능을 보인다.