Abstractive Summarization

A Neural Attention Model for Abstractive Sentence Summarization

• Alexander M. Rush et al., Facebook AI Research/Harvard
• EMNLP2015
• sentence level
• seq2seq模型在2014年提出，这篇论文是将seq2seq模型应用在abstractive summarization任务上比较早期的论文。同组的人还发表了一篇NAACL2016（Sumit Chopra, Facebook AI Research_Abstractive sentence summarization with attentive recurrent neural networks）（作者都差不多），在这篇的基础上做了更多的改进，效果也更好。这两篇都是在abstractive summarization任务上使用seq2seq模型的经典baseline。
• 目标函数是negative log likelihood，使用mini-batch SGD优化
• 本文提出了3种encoder，重点在于Attention-based encoder
  • bag-of-words encoder
  • Conv encoder: 参考TextCNN，没有做过多的其他改动
  • Attention-based encoder:

    x: 原始文本

    y_c: 上下文单词（已经输出的摘要内容）

• 生成摘要使用Beam Search算法
• 本模型效果并不让人满意
• 性能(ABS)
  • DUC-2004: Rouge-1:26.55/Rouge-2:7.06/Rouge-L:22.05
  • Gigaword: Rouge-1:30.88/Rouge-2:12.65/Rouge-L:28.34

Abstractive Sentence Summarization with Attentive Recurrent Neural Networks

• Sumit Chopra et al., Facebook AI Research
• NAACL2016
• sentence level
• encoder: 使用了基于注意力的CNN
  • 先将词的原始embedding(x_i)和位置embedding(l_i)（可训练）相加，作为词的full embedding(a_i)
  • 然后使用size=5的一维卷积核做一个卷积操作，得到aggregate embedding(z_i)
  • 计算attention：

    

    h_t-1是t-1时刻的隐层状态（吧）

  • 计算t时刻encoder的输出c_t:

    

• decoder: 普通的RNN和LSTM都试了
  • 状态更新：

    

• 模型encoder的输入每次都是一个完整地句子，decoder每次要输出的时候，会将h_t-1给encoder，encoder根据句子和h_t-1计算attention生成c_t给decoder，然后decoder根据(y_t-1, h_t-1, c_t)计算要输出的单词。encoder还要更新position embedding(l_i)
• 性能(RAS-Elman, k=10, k means beam size):
  • DUC-2004: Rouge-1:28.97/Rouge-2:8.26/Rouge-L:24.06
  • Gigaword: Rouge-1:33.78/Rouge-2:15.97/Rouge-L:31.15

Abstractive Text Summarization Using Sequence-to-Sequence RNNs and Beyond

• Ramesh Nallapati, Bowen Zhou, Cicero dos Santos; IBM
• CoNLL2016
• 这篇文章除了seq2seq，还用了很多的tricks来提升性能，model部分看起来挺多的，LVT在网上搜不到，搜sampled softmax就能搜到了。
• Models
  • LVT/sampled softmax: seq2seq输出的时候使用了softmax，计算V中的每个词的值并归一化，这一步非常耗时。sampled softmax对每个句子/文章单独采样了一个V‘，只对V‘中的词计算softmax并归一化，大幅减少了训练时的计算量。不过在测试的时候仍然需要计算所有词
  • Feature-rich encoder: 就是将POS、NER、TF、IDF等文本特征拼接在word embedding后面作为encoder的输入
  • Switching Generator-Pointer: 这个操作主要用于解决OOV和UNK问题，当碰到OOV时，g_i置为0，模型会从输入中寻找一个词作为输出和下一时间片的输入。测试时模型会自动决定采用decoder的输出还是从输入中挑选一个词作为输出。
  • Hierarchical Attention: 模型会对每个句子计算attention，并整合句子的权重计算每个词的权重。句子的的隐层状态后面还会拼接position embedding。
  • Hierarchical Attention效果没有预期的好，作者还使用了Temporary Attention(Sankaran et al., 2016, Temporal Attention Model for Neural Machine Translation)，效果大幅提升。
• DataSet: 本文提出了CNN/Daily Mail Corpus，每个摘要包含了多个句子（之前的DUC2004和Gigaword每个摘要只包含1个句子），后续被大量用于评测。
• 性能
  • Gigaword: Rouge-1:35.30/Rouge-2:16.64/Rouge-L:32.62
  • CNN/Daily Mail Corpus: Rouge-1:35.46/Rouge-2:13.30/Rouge-L:32.65

Selective Encoding for Abstractive Sentence Summarization

• Qingyu Zhou, Nan Yang, Furu Wei, Ming Zhou; MSRA&HIT
• ACL2017
• sentence level again
• Models
  • Encoder没什么好说的，单层BiGRU为每个词x_i生成一个2d维的hidden state(h_i)
  • Selective Mechanism是将词的h_i与句子的s拼接到一起，搁到一个前馈网络里生成输出h‘_i。行吧，但是你这s有点不讲道理啊，凭啥s=[h←_1, h→_n]，凭啥这个就能代表整个句子。h←_1表示从右到左读取了整个句子, h→_n表示从左到右读取了整个句子，看起来还是比较合理的。
  • Decoder的不同在于maxout。GRU使用s_t-1, c_t-1, y_t-1更新s_t；s_t+h_i计算e_i然后归一化得到权重α_i，乘以h‘_i得到context向量c_t，和s_t、y_t-1一起放到一个maxout层(k=2)中得到output，然后使用softmax。这个maxout层有点意思，相当于不同层网络之间有2套互相独立的权重参数，输出z的时候选一个能让z大的参数。这里encoder使用了BiGRU，decoder得到的输出是2d，使用k=2的maxout合并相邻的两个数值，将输出降为d维（细细一想好像不是很有道理……把第i个和d+i个合并是不是好一点，毕竟在向量空间中是同一个维度）。
• 性能: all are state-of-the-art
  • Gigaword(Rush et al., 2015): Rouge-1:36.15/Rouge-2:17.54/Rouge-L:33.63
  • Gigaword(ours): Rouge-1:46.86/Rouge-2:24.58/Rouge-L:43.53(sounds something strange??? why so high?)
  • DUC2004: Rouge-1:29.21/Rouge-2:9.56/Rouge-L:25.51

Incorporating copying mechanism in sequence-to-sequence learning

• Jiatao GU et al.
• ACL2016
• using LCSTS Dataset
• Models
  • 整体:
  • Prediction: 相比上一个有个开关的方式，这篇论文则将概率相加再softmax得到输出。对于V中的每个词，计算generation模式的概率，对于X中的每个词，计算copy模式的概率，最后进行归一化，得到输出。

    

  • Decoder State Update: s_t=f(s_t-1, y_t-1, c_t)这个和常规的是一样的，但是这里的y_t-1=[e(y_t-1), C(y_t-1)]T，e就是y_t-1的embedding，C是输入单词的权重，对跟y_t-1相同的词进行计算，不相同的词直接置0，然后归一化。
• Code: https://github.com/MultiPath/CopyNet
• 性能:
  • LCSTS(Word Level): Rouge-1:35.0/Rouge-2:22.3/Rouge-L:32.0

Sequential Copying Networks

• Qingyu Zhouy, Nan Yang, Furu Wei, Ming Zhou; HIT & MSRA
• AAAI2018
• 原先的CopyNet每次copy一个词，这篇文章一次可以copy多个词（词组），通过给每个copy的词打标签来判断是否结束
• 性能
  • Gigaword: Rouge-1:35.93/Rouge-2:17.51/Rouge-L:33.35

A Deep Reinforced Model for Abstractive Summarization

• Romain Paulus, Caiming Xiong & Richard Socher; Salesforce Research
• ICLR2018
• Renforcement Learning
• Models(Attention Mechanism)
  • Intra-Temporal Attention: 普通的Attention都是依次计算当前decoder的状态s_t与每个encoder的隐层状态h_i的得分e_i，然后归一化得到权重α_i，再加权求和得到上下文向量c_t。这篇文章对e_i做了修改，对所有时间片t的e_ti做归一化，得到对应时间片的归一化时序得分e‘_ti，然后再对所有encoder的隐层状态做一次归一化得到权重并计算c_t。

    

    

  • Intra-Decoder Attention: 普通的Attention都是计算当前decoder状态与不同encoder之间的权重。然而，已经由decoder输出的词对decoder输出下一个词同样是有影响的，例如可以避免输出陷入循环。因此这篇文章设计了一个decoder当前隐层状态与decoder历史隐层状态的attention机制。先计算当前h_t与历史每个h_t‘的得分，然后归一化得到权重，最后加权求和得到decoder的上下文输出c_t_d。

    

  • Generation/Pointer: 这里的copy机制与CopyNet有稍许不同。CopyNet是计算Generation、Pointer模式下的得分，最后统一归一化得到概率。这里先计算使用Pointer模式的概率，然后求得y_t的期望，选择期望最大的值作为输出。模式概率计算如公式:

    

  Pointer模式下y_t=x_i的条件概率直接取Intra-Temporal Attention中计算出的权重α_i，Generation模式下的条件概率使用softmax得到，计算公式类似于上述公式（σ替换为softmax）

  • Weight Sharing: 输出的embedding matrix是由输入的embedding matrix之间加了一层非线性映射得到的。（参考Inan et al. (2017) and Press & Wolf (2016)）

    

  • beam search的时候，对于已经出现过的trigram，直接将概率设为0避免重复。
• Models(Hybrid Learning Objective)
  • Teacher Forcing算法。通常的目标函数都是NLL，然而即便达到最优，在使用离散评价方式（ROUGE, CIDEr, BLEU）进行评价的时候，往往得不到最好的效果，主要原因有俩：1. 训练的时候使用正确的单词作为下一时间片的输入，每一步的错误不会累积，但是测试的时候每一步的错误会累积到下一时间片。2. 输出文本的词序是灵活的，离散的评价方式也考虑到了这种灵活性，但是NLL没有。
  • Policy Learning: 强化学习的两种常用算法（Policy Gradient, Q-Learning）之一。本文使用self-critical policy gradient training algorithm (Rennie et al., 2016)。decoder生成2个输出序列，一个使用常规的方法生成y^，另一个基于p(ys_t|ys_t-1, ..., ys_1, x)概率分布抽样得到ys，r是评分函数，强化学习的目标函数如下：

    

  最终的混合目标函数如下：

  

• 性能
  • CNN/Daily Mail(only ML): Rouge-1:38.30/Rouge-2:14.81/Rouge-L:35.49
  • CNN/Daily Mail(only RL): Rouge-1:41.16/Rouge-2:15.75/Rouge-L:39.08
  • CNN/Daily Mail(ML+RL): Rouge-1:39.87/Rouge-2:15.82/Rouge-L:36.90
• 分析
  • 我们可以看到only RL的Rouge评分高于ML+RL不少，然而其可读性得不到保证。我们对每条摘要找了5个人从1-10分中打分，RL的得分是最低的，远低于ML。ML+RL的得分则最高。

    

Fast Abstractive Summarization with Reinforce-Selected Sentence Rewriting(了解)

• Yen-Chun Chen, Mohit Bansal; UNC Chapel Hill
• ACL2018
• Extractor + Abstractor + Reinforcement Learning
• 与我们的需求并不完全符合，没有深究
• Models

  

  • 快: parallel decoding
  • decoder: CopyNet-like
  • 强化学习仅调整Extractor参数，不调整Abstractor参数，避免生成的句子可读性差，同样使用Policy Gradient学习算法。
• 性能
  • CNN/Daily Mail: Rouge-1:40.88/Rouge-2:17.80/Rouge-L:38.54

A Reinforced Topic-Aware Convolutional Sequence-to-Sequence Model for Abstractive Text Summarization

• Li Wang1, Junlin Yao2, Yunzhe Tao3, Li Zhong1, Wei Liu4, Qiang Du3
  • 1 Tencent Data Center of SNG
  • 2 ETH Zurich
  • 3 Columbia University
  • 4 Tencent AI Lab
• IJCAI-ECAI2018
• Conv Seq2seq + LDA + Reinforcement Learning
• Models
  • Position Embedding: 每个词的输入=词向量+位置向量。词向量是随机初始化的，位置向量没说。
  • Gated Linear Unit: 每层的卷积操作做个线性变化到2d维，拆分成[A; B]，然后两边残差连接喂入下一层
  • Multi-Step Attention: 先对隐层状态做个embedding再计算权重:

    

  W、b是参数，h是隐层状态，q_i是上一个输出的词。

  • Topic Embedding: 对于每个主题，抽取出前N个词出来构成词表K，预训练得到topic embedding。对于输入中的每个词，如果在K中，则使用topic embedding，否则使用word embedding。
  • Joint Attention: 在Topic-aware Conv过程中，计算Attention权重时，除了要计算当前decoder隐层状态与每个encoder输出的点积，还要计算当前decoder隐层状态与input ebmedding中每个encoder输出的点积，再求和并归一化作为权重。
  • Biased Probability Generation:

    

  Ψ是一个带偏置项的线性变换。

  • Reinforcement Learning: 策略和A Deep Reinforced Model for Abstractive Summarization一模一样，λ_RL=0.99
• 性能
  • Gigawords: Rouge-1:36.92/Rouge-2:18.29/Rouge-L:34.58
  • DUC2004: Rouge-1:31.15/Rouge-2:10.85/Rouge-L:27.68
  • LCSTS(word): Rouge-1:39.93/Rouge-2:33.08/Rouge-L:42.68

Controllable Abstractive Summarization

• Angela Fan, David Grangier, Michael Auli, Facebook
• ACL2018
• 之前的论文都忽视了用户的个人风格，包括摘要长度，行文风格，用词等。这篇论文可以按照用户的输入来生成类似风格的摘要。在无用户输入的情况下，模型也能达到State-of-the-art。

Deep Communicating Agents for Abstractive Summarization

• Asli Celikyilmaz1, et al.; MSRA
• NAACL2018
• Models
  • 这篇文章想解决长文本的摘要问题，将文本划分成多个段落，对每个段落进行encode操作并计算内部的word attention，最后得到整个段落的embedding。之后将所有段落合并到一起计算Context Agent Attention，作为decoder的输入。
  • 改进了Pointer Network，可以从不同段落中抽取单词。
  • 同样使用了Reinforcement Learning，但是前面的RL目标函数都是采样得到一个y，再计算y与输出的y^之间Rouge得分差作为优化目标。这篇文章的每输出一个单词就计算一次当前Rouge得分，减去上一次的得分，作为优化目标。

Global Encoding for Abstractive Summarization

• Junyang Lin, Xu Sun, Shuming Ma, Qi Su; PKU
• ACL2018
• Models
  • 这篇文章想解决的问题是decoder在输出时可能会不断重复已有的单词。在ICLR2018的A Deep Reinforced Model for Abstractive Summarization已经用过Intra-Decoder Attention尝试从已经输出过的内容上解决这个问题，这篇文章提出了Global Encoding方法使用源文本来尝试解决这个问题。

原文地址：https://www.cnblogs.com/dtblog/p/9365601.html