什么是NLP中的文本摘要

自動(dòng)文本摘要是在保持關(guān)鍵信息內(nèi)容和整體含義的同時(shí)，生成簡(jiǎn)潔流暢的摘要的任務(wù)。 文本摘要目前大致可以分為兩種類型：

Extractive Summarization：重要內(nèi)容、語(yǔ)句提取。

Abstractive Summarization：文本總結(jié)。

Extractive Summarization

由圖可以看出，這種方法提取的內(nèi)容語(yǔ)句來(lái)自于原文。

Abstractive Summarization

由圖可以看出，這種方法提取的內(nèi)容語(yǔ)句可能不存在于原文。



Seq2Seq模型

Seq2Seq模型可以處理一切連續(xù)型信息，包括情感分類，機(jī)器翻譯，命名實(shí)體識(shí)別等。 機(jī)器翻譯任務(wù)中，輸入是連續(xù)文本序列，輸出也是連續(xù)文本序列。 命名實(shí)體識(shí)別中，輸入是連續(xù)文本序列，輸出是連續(xù)的標(biāo)簽信息。 所以，我們可以利用Seq2Seq模型，通過(guò)輸入一段長(zhǎng)文本，輸出短的摘要，實(shí)現(xiàn)文本摘要功能。 下圖是典型的Seq2Seq模型架構(gòu)：



通常我們可以選擇RNNs網(wǎng)絡(luò)的變體GRU或者LSTM，這是因?yàn)樗鼈兡軌蛲ㄟ^(guò)克服梯度消失的問(wèn)題來(lái)捕獲長(zhǎng)期依賴性。

Encoder編碼器

LSTM中的Encoder讀取整個(gè)輸入序列，其中每個(gè)時(shí)間step上，都會(huì)有一個(gè)字輸入編碼器。然后，他在每個(gè)時(shí)間step上處理信息，并捕獲輸入序列中存在的上下文信息。



上一個(gè)時(shí)間step的隱藏層h1與記憶單元層c1將會(huì)用來(lái)初始化Decoder。

Decoder解碼器

Decoder是LSTM結(jié)構(gòu)的另一部分。它逐字讀取整個(gè)目標(biāo)序列，并以一個(gè)時(shí)間步長(zhǎng)預(yù)測(cè)相同的序列偏移量。 解碼器可以在給定前一個(gè)單詞的情況下預(yù)測(cè)序列中的下一個(gè)單詞。解碼器的初始輸入是編碼器最后一步的結(jié)果。



在將整個(gè)目標(biāo)序列放入解碼器前，還需將［start］ 與 ［end］這兩個(gè)特殊的tokens加入序列中，告知模型的開(kāi)始與結(jié)束。模型通過(guò)輸入的［start］開(kāi)始預(yù)測(cè)第一個(gè)詞，而［end］則表示整個(gè)句子的結(jié)束。

Deocder的工作流程 

假設(shè)輸入序列為［x1，x2，x3，x4］，將其編碼成內(nèi)部固定長(zhǎng)度的向量。 下圖顯示了每一個(gè)time step下Decoder是如何工作的。