陳 偉，楊 燕

（西南交通大學(xué)計(jì)算機(jī)與人工智能學(xué)院，成都 611756）

（?通信作者電子郵箱yyang@swjtu.edu.cn）

0 引言

隨著網(wǎng)絡(luò)空間中數(shù)據(jù)的爆炸性增長(zhǎng)，摘要生成技術(shù)應(yīng)運(yùn)而生，使得人們可以處理非結(jié)構(gòu)化的文本數(shù)據(jù)，從而獲得文本的大意。文本摘要技術(shù)的實(shí)現(xiàn)可以增強(qiáng)文檔的可讀性，減少搜尋信息的時(shí)間，獲得更多適用于特定領(lǐng)域的信息，極具學(xué)術(shù)研究意義。目前文本摘要生成技術(shù)可分為生成式和抽取式方法，其中：抽取式文本摘要可確保語(yǔ)法結(jié)構(gòu)，但不能保證所生成摘要中的語(yǔ)義連貫性；而生成式文本摘要有效地維持了語(yǔ)義的連貫性，但又無(wú)法確保所生成摘要的語(yǔ)法結(jié)構(gòu)。為了結(jié)合兩者的優(yōu)點(diǎn)，一些方法也同時(shí)使用抽取結(jié)合生成的方法來(lái)完成摘要任務(wù)。在生成式摘要中，生成過(guò)程往往缺少關(guān)鍵信息的控制和指導(dǎo)，因此一些方法首先提取關(guān)鍵內(nèi)容，再進(jìn)行摘要生成，任務(wù)可以大致分為兩步：首先選擇重要文本內(nèi)容，再將候選內(nèi)容進(jìn)行改寫?；诖?，本文探索了抽取生成式摘要生成方法，構(gòu)造了融合兩者優(yōu)勢(shì)的抽取生成式摘要生成方法。利用抽取式算法抽取主題句子作為輔助語(yǔ)義特征，將語(yǔ)義與生成式方法相結(jié)合，生成的摘要句子具有與主題更加相似以及語(yǔ)義更加連貫豐富的優(yōu)勢(shì)。

首先，在抽取式摘要生成環(huán)節(jié)，利用TextRank 算法［1］對(duì)每個(gè)句子節(jié)點(diǎn)進(jìn)行權(quán)重計(jì)算，并融合主題相似性，根據(jù)最終的權(quán)重值對(duì)文章句子進(jìn)行抽取，抽取的信息給后續(xù)的生成式方法提供了額外的信息；然后，在生成式摘要環(huán)節(jié)，模型基于Seq2Seq（Sequence-to-Sequence）模型框架，分別對(duì)抽取出的候選語(yǔ)義與原文語(yǔ)義進(jìn)行編碼，再對(duì)語(yǔ)義進(jìn)行融合，送入Seq2Seq 的編碼器，經(jīng)過(guò)訓(xùn)練，模型將能夠?qū)W會(huì)從抽取式文本中提取有效信息；隨后，引入指針網(wǎng)絡(luò)（pointer-generator network）模型來(lái)處理未登錄詞（Out-Of-Vocabulary，OOV）問(wèn)題；最后，在公共數(shù)據(jù)集上進(jìn)行驗(yàn)證，客觀地表明了該模型的效果，分別在ROUGE-1、ROUGE-2 和ROUGE-L 指標(biāo)上獲得提升。

1 相關(guān)工作

自動(dòng)摘要生成一直以來(lái)都是自然語(yǔ)言處理領(lǐng)域經(jīng)典并且熱點(diǎn)的話題，隨著深度學(xué)習(xí)的出現(xiàn)，摘要生成領(lǐng)域得到了極大的發(fā)展。文獻(xiàn)［2］中提出了Seq2Seq 模型用于學(xué)習(xí)句子中的特征信息。隨后文獻(xiàn)［3］中將序列到序列模型應(yīng)用于機(jī)器翻譯中，取得了很好的翻譯效果，從此序列到序列模型開始逐漸應(yīng)用于抽象文本摘要，并且生成的抽象文本摘要也獲得了很好的效果。文獻(xiàn)［4］中第一次使用注意機(jī)制進(jìn)一步擴(kuò)展了基本的序列到序列模型，結(jié)合了更多的功能和技術(shù)來(lái)生成摘要。文獻(xiàn)［5］中利用Seq2Seq 模型進(jìn)行句子壓縮，為后續(xù)不同粒度的摘要生成奠定了基礎(chǔ)。文獻(xiàn)［6］中為了控制哪一部分的信息從編碼器到解碼器，在基本模型中增加了一個(gè)選擇門控網(wǎng)絡(luò)。文獻(xiàn)［7］中提出了一種基于圖和注意機(jī)制的模型來(lái)加強(qiáng)源文本重要信息的定位。為了解決未登錄詞問(wèn)題，文獻(xiàn)［8］和文獻(xiàn)［9］中分別提出了COPYNET 模型和pointing 機(jī)制，文獻(xiàn)［10］中創(chuàng)造了read-again 和復(fù)制機(jī)制。文獻(xiàn)［11］中提出了一個(gè)更新版本的指針網(wǎng)絡(luò)模型，效果證明得到了提升。對(duì)于重復(fù)單詞的問(wèn)題，文獻(xiàn)［12］中為了解決翻譯過(guò)多或遺漏的問(wèn)題，提出了覆蓋機(jī)制，利用歷史信息進(jìn)行注意力計(jì)算。文獻(xiàn)［13］中介紹了一系列不同的結(jié)構(gòu)來(lái)解決單詞的重復(fù)問(wèn)題。到目前為止，在摘要生成領(lǐng)域，很少有文章在語(yǔ)言層面上考慮結(jié)構(gòu)或語(yǔ)義問(wèn)題。文獻(xiàn)［14］中提出了一種新的無(wú)監(jiān)督方法，利用修剪后的依賴樹獲取壓縮后的句子。基于中文短文本摘要（Large scale Chinese Short Text Summarization，LCSTS）數(shù)據(jù)集和注意力序列模型，文獻(xiàn)［15］中提出了通過(guò)計(jì)算摘要與文本之間的相似性來(lái)增強(qiáng)語(yǔ)義相關(guān)度方法。

另一方面，抽取生成技術(shù)從源文本中抽取與主題相關(guān)的關(guān)鍵詞和重要句子，構(gòu)成摘要。文獻(xiàn)［16］中提出了一種具有層次編碼器和注意力解碼器的模型，用于解決單詞和句子級(jí)別的抽取摘要任務(wù)。文獻(xiàn)［17］中提出了SummaRuNNer 模型用于抽取摘要內(nèi)容，取得了較好的性能。

2 相關(guān)原理

2.1 Seq2Seq模型

Seq2Seq模型在摘要生成領(lǐng)域中應(yīng)用廣泛，尤其是生成式摘要生成方法，也有將問(wèn)題建模為序列標(biāo)注問(wèn)題，都會(huì)廣泛地使用到Seq2Seq 模型。該模型可以看作是一個(gè)最簡(jiǎn)單的文本摘要模型，使用了多層長(zhǎng)短期記憶（Long Short-Term Memory，LSTM）網(wǎng)絡(luò)，將輸入序列映射到固定維向量中，然后使用另一個(gè)LSTM 從向量中將目標(biāo)序列進(jìn)行解碼，模型的主體結(jié)構(gòu)主要由兩部分組成，分別是編碼器和解碼器，編碼器依次接收文本中的每個(gè)單詞作為輸入。

2.2 TextRank算法

TextRank 算法［1］最早受PageRank 算法的影響，將投票的思想應(yīng)用到算法中，當(dāng)某一個(gè)網(wǎng)頁(yè)節(jié)點(diǎn)獲得的投票數(shù)越多，其重要性就越大，在算法計(jì)算過(guò)程中的權(quán)重值也就越大。同時(shí)，一個(gè)節(jié)點(diǎn)的權(quán)重還受到投票節(jié)點(diǎn)重要性的影響，因?yàn)橐粋€(gè)節(jié)點(diǎn)自身越重要，那么其被鏈接的節(jié)點(diǎn)重要性就越大。所以，一個(gè)節(jié)點(diǎn)的重要性由其獲得的投票數(shù)及其周圍投票節(jié)點(diǎn)自身的重要性所決定。

而TextRank 算法正是應(yīng)用了這樣一種思想，將文本切割為若干以單詞或則句子為文本單元的狀態(tài)，然后將這些文本單元作為一個(gè)又一個(gè)節(jié)點(diǎn)，通過(guò)節(jié)點(diǎn)間的相似性來(lái)確定邊和權(quán)重值，以此來(lái)構(gòu)建圖模型。進(jìn)一步地將文本量化，使用矩陣的形式來(lái)進(jìn)行表示，有助于進(jìn)行迭代計(jì)算，最終通過(guò)節(jié)點(diǎn)值的大小進(jìn)行排序選擇，獲得需要的信息內(nèi)容。

該算法不需要對(duì)文檔進(jìn)行訓(xùn)練，使用其文檔信息就可以實(shí)現(xiàn)文檔中關(guān)鍵詞和關(guān)鍵句的提取，其簡(jiǎn)潔性促進(jìn)了該算法的廣泛使用。

該算法模型的實(shí)際應(yīng)用可以看作是對(duì)文檔中句子節(jié)點(diǎn)的圖模型構(gòu)造：文檔中句子所構(gòu)成的節(jié)點(diǎn)集合為V={V1，V2，…，Vn}，構(gòu)建網(wǎng)絡(luò)圖G=(V，E，W)，E是邊集合，W是邊的權(quán)重集合，節(jié)點(diǎn)之間的權(quán)重可以通過(guò)相似度計(jì)算函數(shù)得到。

節(jié)點(diǎn)間概率轉(zhuǎn)移矩陣如下：

通過(guò)節(jié)點(diǎn)間的概率矩陣和網(wǎng)絡(luò)圖G可以將每個(gè)節(jié)點(diǎn)的權(quán)重進(jìn)行迭代計(jì)算，公式如下：

其中：WS(Vi)是節(jié)點(diǎn)權(quán)重值；d∈(0，1)是阻尼系數(shù)，用來(lái)表示圖中某一個(gè)節(jié)點(diǎn)跳轉(zhuǎn)到任意節(jié)點(diǎn)的概率，一般設(shè)置為0.85；IN(Vi)表示指向節(jié)點(diǎn)Vi的所有節(jié)點(diǎn)的集合，OUT(Vj)表示節(jié)點(diǎn)Vj所指向的節(jié)點(diǎn)集合；wij表示節(jié)點(diǎn)Vi與Vj之間的相似度；WS(Vj)表示上一次迭代后的權(quán)重值。

同時(shí)，還需要注意到節(jié)點(diǎn)的自身權(quán)重，通常將所有節(jié)點(diǎn)的初始值權(quán)重設(shè)置為1，經(jīng)過(guò)多次迭代后，每個(gè)節(jié)點(diǎn)的權(quán)重值趨于穩(wěn)定達(dá)到收斂，B0=(1，1，…，1)T，且收斂公式如下：

通過(guò)上式，計(jì)算每一次迭代結(jié)果，當(dāng)兩次迭代結(jié)果差值接近于0 時(shí)停止計(jì)算，可得到包含各個(gè)節(jié)點(diǎn)的權(quán)重值向量，再按照權(quán)重值大小進(jìn)行排序，選擇內(nèi)容。摘要句抽取主要步驟如下：

a）預(yù)處理。將文本中句子進(jìn)行完整分割、詞性標(biāo)注等操作。句子集合為S={S1，S2，…，Sn}。

b）計(jì)算句子間相似度。相似度計(jì)算基于句子之間的內(nèi)容重疊率，計(jì)算兩個(gè)句子包含相同詞項(xiàng)的個(gè)數(shù)，公式如下：

若兩條邊之間存在語(yǔ)義相關(guān)性，則利用它們構(gòu)成邊，邊的權(quán)值為：

c）利用式（2）迭代計(jì)算句子權(quán)重直至收斂，得到每個(gè)的句子得分。

d）排序選擇。利用c）中的得分進(jìn)行排序，選擇最重要的句子作為該文本的候選摘要句。

e）組成摘要。根據(jù)相關(guān)的要求，如句子數(shù)目、摘要字?jǐn)?shù)等，從d）中選擇最終內(nèi)容。

3 改進(jìn)方法

3.1 句子主題相似性計(jì)算

文檔的標(biāo)題、真實(shí)人工摘要往往都具有鮮明的主題特色，蘊(yùn)含了豐富的主題信息，可以簡(jiǎn)單明了地概括出整個(gè)文檔的中心思想，是天然的參照信息，所以可以利用其優(yōu)勢(shì)來(lái)增強(qiáng)模型摘要的生成質(zhì)量。因此，將參考摘要信息考慮到算法中。用S0表示參考摘要句子，則代表參考摘要的特征詞向量，h′用來(lái)標(biāo)記特征詞數(shù)量。

計(jì)算參考摘要與每個(gè)句子之間的相似度，若相似度越大則對(duì)應(yīng)句子的權(quán)重越大，反之權(quán)重提升越小或者保持原狀，計(jì)算公式如下：

其中：Sih′與S0h′分別表示每個(gè)句子與參考摘要的第h′個(gè)特征詞。根據(jù)上式可獲得向量，以此可將式（3）調(diào)整為：

考慮單詞層面的共同包含的特征詞項(xiàng)。若文檔中各特征詞出現(xiàn)在參考摘要中則對(duì)應(yīng)單詞的權(quán)重越大，反之權(quán)重保持原狀，計(jì)算公式如下：

其中：Si是預(yù)處理后句子i的詞項(xiàng)表，Title表示預(yù)處理后參考摘要的詞項(xiàng)表，wk是同時(shí)出現(xiàn)在參考摘要與句子中的詞項(xiàng)。

計(jì)算結(jié)束后，可得到最終的權(quán)重調(diào)整值，通過(guò)對(duì)融入主題相似性的句子權(quán)重進(jìn)行排序，抽取權(quán)重大小排名靠前的句子作為候選摘要。

3.2 指針網(wǎng)絡(luò)

在模型訓(xùn)練過(guò)程中，針對(duì)出現(xiàn)的OOV 問(wèn)題，同時(shí)也為解決生成文本摘要時(shí)詞匯量不足的問(wèn)題，在基礎(chǔ)模型之上將指針網(wǎng)絡(luò)模型進(jìn)行結(jié)合，利用該算法的優(yōu)勢(shì)來(lái)解決較生澀詞匯的生成問(wèn)題，為提升摘要質(zhì)量提供了解決思路［11］。具體計(jì)算公式如下：

其中：U′、U、b和b′是模型訓(xùn)練中可獲得的學(xué)習(xí)參數(shù)，Pvocab是字典上的概率分布。最終預(yù)測(cè)的單詞概率用Pw進(jìn)行表示，公式如下：

該模型根據(jù)時(shí)刻t的上下文向量ct和解碼器隱藏層的輸出狀態(tài)st以及模型的輸入xt來(lái)共同生成指針概率Pgen，且Pgen∈[0，1]，計(jì)算公式如下：

該模型的損失函數(shù)使用的是交叉熵函數(shù)，對(duì)于模型訓(xùn)練過(guò)程中的每步t，所預(yù)測(cè)目標(biāo)詞為wt*，在t步時(shí)，損失函數(shù)將表達(dá)為：

則整個(gè)序列的損失函數(shù)為：

3.3 基于指針網(wǎng)絡(luò)的抽取生成式模型

抽取式文本摘要可確保語(yǔ)法結(jié)構(gòu)，但不能保證所生成摘要中的語(yǔ)義連貫性；生成式文本摘要能有效地維持語(yǔ)義的連貫性，但又無(wú)法確保所生成摘要的語(yǔ)法結(jié)構(gòu)，所以將兩者的優(yōu)勢(shì)結(jié)合，以期生成更加有可讀性的內(nèi)容。本文模型利用抽取出來(lái)的候選語(yǔ)義與生成式方法相結(jié)合，參照文獻(xiàn)［3］，模型如圖1 所示，使用單層雙向LSTM（Bi-directional Long Short-Term Memory，Bi-LSTM）作為模型編碼器，將原文和抽取語(yǔ)義進(jìn)行編碼，利用單向LSTM 作為解碼器進(jìn)行解碼操作。對(duì)于模型訓(xùn)練每一個(gè)步i，分別對(duì)應(yīng)原文文本和抽取的候選摘要的詞嵌入將會(huì)共同輸送到編碼器中，同時(shí)會(huì)生成對(duì)應(yīng)的隱藏狀態(tài)←→。在解碼步驟時(shí)，對(duì)每一個(gè)時(shí)間步t，解碼器將從步驟t-1 接收詞嵌入，該步驟是在訓(xùn)練過(guò)程中根據(jù)參考摘要中的前一個(gè)單詞獲得，或解碼器在測(cè)試時(shí)自己提供。然后獲取隱藏狀態(tài)st，生成詞匯分布P(yt)。

圖1 抽取生成式摘要生成模型Fig.1 Extractive and abstractive summarization model

隨后，編碼器隱藏層的輸出hi由融合而成，充分利用原文和抽取語(yǔ)義的信息，具體公式如下：

然后，引入注意力機(jī)制［4］，計(jì)算解碼器隱藏狀態(tài)st與hi之間的相關(guān)性eit，計(jì)算公式如下：

其中：tanh（）是激活函數(shù)；hi與st分別代表編碼器和解碼器隱藏層的輸出；V、Wh、Ws和battn是模型訓(xùn)練所學(xué)習(xí)的參數(shù)。由此可獲得上下文向量ct，公式如下所示：

其中：αit是輸入到編碼器中單詞的注意力分布，可以視為原始文本上的概率分布，可以使得解碼器關(guān)注某些重要詞匯，有助于提取更加重要的語(yǔ)義信息，獲得文本信息表示，促進(jìn)摘要生成。

在該模型中，首先，使用基于注意力機(jī)制的Seq2Seq 模型進(jìn)行構(gòu)建，同時(shí)使用基于TextRank 算法進(jìn)行文本主題信息抽取。然后，在模型編碼層利用特殊字符［SEP］將抽取出來(lái)的候選語(yǔ)義與原文語(yǔ)義進(jìn)行信息融合，特殊字符［SEP］的作用是用于分隔非連續(xù)token序列的特殊符號(hào)，目的是在于區(qū)分原文語(yǔ)義和抽取語(yǔ)義。隨后，分別使用編碼器對(duì)原文及抽取語(yǔ)義進(jìn)行編碼，通過(guò)編碼器可以得到各自的隱藏狀態(tài)，再通過(guò)編碼器隱藏層上對(duì)應(yīng)的語(yǔ)義向量拼接實(shí)現(xiàn)信息融合，再將融合之后的語(yǔ)義向量一起送入模型中進(jìn)行訓(xùn)練，經(jīng)過(guò)訓(xùn)練后，模型將能夠?qū)W會(huì)［SEP］這個(gè)標(biāo)記之后的內(nèi)容是抽取式文本，并提取其中的有效信息輔助完成摘要生成任務(wù)。

最后，引入指針網(wǎng)絡(luò)模型［18］來(lái)解決模型中出現(xiàn)的OOV 問(wèn)題，利用式（11）獲得指針概率Pgen的值，利用其大小來(lái)判斷模型是從詞匯分布中生成單詞又或是通過(guò)注意力分布從原文中復(fù)制單詞；然后，利用Pgen對(duì)注意力分布和詞匯分布進(jìn)行加權(quán)平均，由于Pgen∈[0，1]，可以根據(jù)其大小靈活設(shè)置模型對(duì)詞匯分布和注意力分布的關(guān)注，當(dāng)單詞在詞匯分布中不存在時(shí)則通過(guò)注意力分布將原文單詞進(jìn)行復(fù)制，以此將詞匯表進(jìn)行補(bǔ)充，得到擴(kuò)展詞匯表上的最終分布，有效解決了OOV 問(wèn)題，有利于進(jìn)一步提升摘要質(zhì)量。

4 實(shí)驗(yàn)分析

4.1 實(shí)驗(yàn)環(huán)境和模型訓(xùn)練

本文實(shí)驗(yàn)在Ubuntu 18.04 LTS 操作系統(tǒng)上進(jìn)行，編程語(yǔ)言采用的是Python3.6，深度學(xué)習(xí)框架為TensorFlow 1.10.0，另外使用了CUDA 10.0，用于GPU 加速。主要硬件配置包括CPU 為Intel Core i7 8700K，8 核3.6 GHz；GPU 為NVDIA GTX 1080Ti，顯存11 GB；RAM為16 GB。

在基本模型訓(xùn)練過(guò)程中，編碼器隱藏層使用的是單層雙向LSTM 網(wǎng)絡(luò)，隱藏單元數(shù)為256，字向量維數(shù)為128，解碼器隱藏層使用的是單層單向LSTM 網(wǎng)絡(luò)。由于該模型使用指針網(wǎng)絡(luò)來(lái)解決詞匯量不足的問(wèn)題，因此字典的大小設(shè)置為50 000。訓(xùn)練過(guò)程中使用了Adagrad 優(yōu)化器來(lái)進(jìn)行模型優(yōu)化［19］，學(xué)習(xí)率設(shè)置為0.15，初始累積值為0.1。模型批量大小是32，beam size 為4，模型最大編碼長(zhǎng)度設(shè)置為500，最大解碼的輸出長(zhǎng)度為100，同時(shí)最小輸出長(zhǎng)度設(shè)置為35，抽取算法中抽取的候選語(yǔ)義長(zhǎng)度設(shè)置為100。

4.2 數(shù)據(jù)集和評(píng)價(jià)指標(biāo)

實(shí)驗(yàn)數(shù)據(jù)集使用的是CNN/Daily Mail 數(shù)據(jù)集［20］，該數(shù)據(jù)集平均每篇文章中有781 個(gè)標(biāo)記、3.75 個(gè)摘要句，利用CoreNLP 進(jìn)行數(shù)據(jù)預(yù)處理［11］，將文章劃分為句子，并將數(shù)據(jù)分為若干塊，每一塊中包含1 000 條文章及摘要信息，該數(shù)據(jù)集包含了訓(xùn)練集、驗(yàn)證集、測(cè)試集，其中訓(xùn)練集中包含287 226個(gè)文章摘要對(duì)，驗(yàn)證集中包含13 368個(gè)文章摘要對(duì)，測(cè)試集中包含11 490個(gè)文章摘要對(duì)，并按照相對(duì)應(yīng)的分類進(jìn)行文件命名。

本實(shí)驗(yàn)評(píng)價(jià)指標(biāo)采用自動(dòng)摘要領(lǐng)域中常用的ROUGE（Recall-Oriented Understudy for Gisting Evaluation）［21］系列方法。使用ROUGE-1.5.5工具包對(duì)最終摘要結(jié)果進(jìn)行測(cè)評(píng)，其中ROUGE?N計(jì)算公式如下：

其中：n代表連續(xù)單詞數(shù)；Ref代表參考摘要集；Count（gramn）用于計(jì)算基準(zhǔn)摘要的N個(gè)連續(xù)單詞數(shù)；Countmatch(gramn)計(jì)算了基準(zhǔn)摘要和生成摘要之間匹配的N個(gè)連續(xù)單詞數(shù)。

ROUGE 分別計(jì)算了準(zhǔn)確率P、召回率R和F值，并且F=2PR/(P+R)。

4.3 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證本實(shí)驗(yàn)的有效性，選擇了9 種基準(zhǔn)實(shí)驗(yàn)進(jìn)行對(duì)比，參照文獻(xiàn)［22］，其中包含典型的生成式摘要方法和抽取式方法：

1）Seq2seq+Attn：以Seq2seq模型為框架，并融合了注意力機(jī)制，是摘要生成領(lǐng)域的典型模型，促進(jìn)了該領(lǐng)域的大力發(fā)展。

2）Seq2seq+Attn（150k）：在1）的基礎(chǔ)上改變?cè)~匯量大小，擴(kuò)大詞匯。

3）Seq2seq+Attn+PGN：首次提出指針生成網(wǎng)絡(luò)，將該網(wǎng)絡(luò)融入摘要生成模型訓(xùn)練中，提高了解決未登錄詞的能力，促進(jìn)了摘要質(zhì)量。

4）ABS［5］：利用自動(dòng)構(gòu)造的句子-標(biāo)題來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)摘要模型。

5）Lead-3+Dual-attn+PGN［22］：將抽取式方法Lead-3與生成式方法結(jié)合，設(shè)計(jì)了雙重注意力框架并引入指針網(wǎng)絡(luò)模型。

6）WordNet+Dual-attn+PGN［22］：在5）的基礎(chǔ)上利用WordNet進(jìn)行句子抽取，并融合指針生成網(wǎng)絡(luò)模型。

7）TextRank；將句子視為節(jié)點(diǎn)來(lái)構(gòu)造圖模型，分別迭代計(jì)算節(jié)點(diǎn)權(quán)重值，抽取權(quán)重較大信息為摘要內(nèi)容。

8）Graph-Based Attentional Neural Model［7］：構(gòu)造基于圖模型的注意力機(jī)制來(lái)完成摘要生成任務(wù)。

9）SummaRuNNer［17］：將摘要內(nèi)容進(jìn)行抽取，取得了較為良好的性能。

對(duì)比數(shù)據(jù)如表1 所示，可以看出本文模型在ROUGE 相關(guān)指標(biāo)上的表現(xiàn)均得到了一定的提升，從客觀上表明了本文模型在生成文本摘要任務(wù)中具有一定的優(yōu)越性。

從表1還可以看出，在實(shí)驗(yàn)Seq2seq+Attn基礎(chǔ)上引入指針網(wǎng)絡(luò)后，Seq2seq+Attn+PGN 實(shí)驗(yàn)結(jié)果在三個(gè)指標(biāo)上分別提升了5.08、3.81 和4.48 個(gè)百分點(diǎn)，因此使用指針網(wǎng)絡(luò)可以較好地提升摘要質(zhì)量。同時(shí)，傳統(tǒng)的抽取式摘要生成模型TextRank 模型也為摘要生成帶來(lái)了良好的評(píng)價(jià)結(jié)果，所以基于此，本文在TextRank 模型的基礎(chǔ)之上進(jìn)行模型的優(yōu)化也能進(jìn)一步提升摘要效果，本文模型對(duì)比TextRank 模型在三個(gè)指標(biāo)上分別提升了1.74、1.65和1.73個(gè)百分點(diǎn)。這表明將生成式方法與抽取式方法相融合的方式更能表達(dá)文本的內(nèi)容，也體現(xiàn)了本文模型的優(yōu)勢(shì)。

表1 在CNN/Daily Mail數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果 單位：%Tab.1 Experimental results on CNN/Daily Mail dataset unit：%

同時(shí)也給出了該模型對(duì)比TextRank在準(zhǔn)確率P、召回率R和平均F值上的對(duì)比，如表2 所示。可以看出本文模型在相關(guān)指標(biāo)上好于對(duì)比模型，說(shuō)明生成的摘要效果要更加接近于參考摘要，也進(jìn)一步表明了本文模型在同時(shí)考慮抽取式與生成式方法結(jié)合時(shí)能提升摘要生成的質(zhì)量。

表2 不同模型在P、R、F指標(biāo)上的對(duì)比結(jié)果 單位：%Tab.2 Comparison results of different models on indexes P，R，F(xiàn) unit：%

實(shí)驗(yàn)在CNN/Daily Mail 數(shù)據(jù)集上生成的摘要示例如表3所示。由表3 可以看出，本文模型所生成的摘要在語(yǔ)義信息相似性方面得到了一定程度的提升。例如，在第一個(gè)實(shí)例中，面對(duì)文章內(nèi)容較多的情況時(shí)該模型可以保留較為重要信息，并且相對(duì)于TextRank 來(lái)說(shuō)，可以去掉較為冗余的信息，生成的摘要更為簡(jiǎn)潔；在第二個(gè)實(shí)例中，對(duì)比TextRank 時(shí)，出現(xiàn)了相同的關(guān)鍵信息，同時(shí)該模型又對(duì)部分信息進(jìn)行了改寫，充分體現(xiàn)了抽取式和生成式模型在實(shí)驗(yàn)中的作用，突出了抽取生成式摘要模型的優(yōu)勢(shì)，同時(shí)也肯定了該實(shí)驗(yàn)在探索結(jié)合兩者方法過(guò)程中的做法。

表3 文本摘要生成實(shí)例Tab.3 Text summarization instances

5 結(jié)語(yǔ)

本文研究了結(jié)合抽取式方法和生成式方法優(yōu)勢(shì)的基于指針網(wǎng)絡(luò)的抽取生成式摘要生成模型。首先，基于傳統(tǒng)的TextRank 算法將主題相似性因素考慮進(jìn)句子抽取中，得到有效的候選語(yǔ)義，提高句子主題相關(guān)性；其次，設(shè)計(jì)融合抽取語(yǔ)義與原文信息的框架，分別對(duì)其進(jìn)行處理，并通過(guò)語(yǔ)義融合共同完成對(duì)摘要的生成；然后，引入指針網(wǎng)絡(luò)模型解決未登錄詞問(wèn)題；最后，在CNN/Daily Mail 數(shù)據(jù)集上驗(yàn)證了本文模型的有效性。在未來(lái)工作研究中，將進(jìn)一步考慮抽取生成式摘要模型在文本摘要生成中的表現(xiàn)。