《表2 生成式自动文摘与人工摘要对比[29]》
与抽取式自动文摘相比,生成式自动文摘在思想上更接近人工摘要的过程(如表2[29]所示),因而具有重要研究意义。但历史上,受限于传统方法很难实现生成式自动文摘所需要的文本表征、理解和生成能力,使得该领域的发展一直比较缓慢,生成式的效果也通常差于抽取式[30]。近几年伴随着深度学习方法的发展,基于深层神经网络模型的生成式自动文摘有了令人瞩目的发展,在DUC测试集上已经超越了最好的抽取式模型[31-33],未来的自动文摘研究也将主要集中于深度学习方法上[34]。为了更全面地理解该类方法的思想和研究现状,本文从生成式自动文摘的任务描述入手,梳理了基于RNN(recurrent neural network,循环神经网络)的模型、基于CNN(convolutional neural network,卷积神经网络)的模型、基于RNN+CNN的模型、融合注意力机制的模型和融合强化学习的模型这五大类生成式自动文摘的深度学习方法,总结了当前发展的不足并对未来的发展方向进行了展望。
图表编号 | XD00135979200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.24 |
作者 | 赵洪 |
绘制单位 | 南开大学商学院信息资源管理系、中电科大数据研究院有限公司 |
更多格式 | 高清、无水印(增值服务) |