《表3 LCSTS的中文测试集结果》

  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

《区分冗余序列的抽象文本摘要》

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

表3中列出了在LCSTS的中文数据上所尝试的3个最新实验系统以及实验结果：Li等[22]2017年在RNN模型结构的基础上融入深度循环生成解码器（deep recurrent generative decoder，DRGD）的结果；其在2018年提出运用actor-critic框架[23]来增强RNN的训练过程得到的改进结果；Lin等[12]在CNN模型结构上提出全局编码结构（global encoding，GE）的结果．从表3可以看出，基准系统Transformer模型取得了相当高的ROUGE得分，在R-1评估标准下的得分达到了41.25%．在运用了冗余序列信息之后，R-1得分达到了41.99%，证明本文中的方法能够进一步改善摘要文本的准确度．需要注意的是，以上的实验都是在基于字的数据上所作的尝试．