초록
추출형 요약을 위한 새로운 신경 시퀀스-투-시퀀스 모델인 SWAP-NET(Sentences and Words from Alternating Pointer Networks)을 제안한다. 추출형 요약은 입력 문서의 주요 문장들로 구성되며, 이 과정에서 중요한 핵심 단어들도 포함되는 경우가 많다. 이러한 원칙을 바탕으로, 본 연구는 새로운 이중 레벨 포인터 네트워크 기반 아키텍처를 사용하여 핵심 단어와 주목할 만한 문장 간의 상호작용을 모델링하는 SWAP-NET을 설계하였다. SWAP-NET은 입력 문서 내에서 주목할 만한 문장과 핵심 단어를 동시에 식별한 후, 이를 통합하여 추출형 요약을 생성한다. 대규모 벤치마크 코퍼스에서 수행된 실험 결과, SWAP-NET이 최신 추출형 요약 기법들을 능가하는 효과를 보임을 확인하였다.