《表1 Gigaword和DUC2004数据集统计结果》

  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

《利用层级交互注意力的文本摘要方法》

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

本文使用文本摘要领域常用的英文数据集Gigaword作为训练集，采用与Nallapati[7]相同的预处理脚本（https://github.com/facebook/NAMAS）对数据集进行预处理，分别得到380万和18.9万的训练集和开发集，每个训练样本包含一对输入文本和摘要句。与前人的研究工作相同，本文对数据进行标准化处理，包括数据集所有单词全部转小写，将所有数字替换为#，将语料中出现次数小于5次的单词替换为UNK标识等。为了便于对模型性能进行评价，与所有的基准模型一样，本文从18.9万开发集中随机选择8 000条作为开发集，选择2 000条数据作为测试集，然后筛选去除测试集中原文本长度小于5的句子，最后得到1 951条数据作为测试集。为了验证模型的泛化能力，选择DUC2004作为测试集。DUC2004数据集仅包含500条文本，每个输入文本均对应4条标准摘要句。表1列出了Gigaword和DUC2004两个数据集具体的统计信息。