《表1 CNN/Daily Mail数据集实验结果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《TSPT:基于预训练的三阶段复合式文本摘要模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文提出的模型在本质上是结合了抽取式模型与生成式模型的思想，所以分别选取目前表现良好的抽取式模型与生成式模型综合比较。论文将对比模型和本文模型统一列出如表1所示，并加以分组，每一列效果最好的模型，用黑色加粗数字标出。实验结果如表1所示，从本文提出的模型可以清楚地看到，在ROUGE-1和ROUGE-L评测中本文模型都超过了所有对比实验模型，说明结合预训练的文本摘要模型是有效的。一方面，相比较于目前比较先进的抽取式Neu SUM模型，本文模型在ROUGE-1和ROUGE-L分数上分别提高了0.77和0.75个百分点。另一方面，与同样使用复制生成模式的Pointer-generator+coverage模型相比、ROUGE-1、ROUGE-2与ROUGE-3都分别提高了2.83、1.6和2.35个百分点。其次，与实验效果较好的生成式Bottom-Up模型相比，ROUGE-1、ROUGE-2和ROUGE-L均有提升，分别提升了1.14、0.2和0.39个百分点。但在ROUGE-2评分上没有达到最好水平，比较于Neu Sum模型相差0.13个百分点。综合以上对比实验，本文提出的结合预训练的文本摘要模型，性能相比单独的抽取式或生成式模型都有一定的提升，达到了最好的效果。