Lernbasierte Zusammenfassung von Einzel-Dokumenten mit Kompressions- und Anaphoritätsbeschränkungen

Wir präsentieren ein diskriminatives Modell zur Zusammenfassung von Einzel-Dokumenten, das Kompressions- und Anaphoritätsbeschränkungen integral kombiniert. Unser Modell wählt Text-Einheiten aus, die in die Zusammenfassung aufgenommen werden sollen, basierend auf einer reichen Menge an spärlichen Merkmalen, deren Gewichte auf einem großen Korpus gelernt werden. Wir erlauben das Löschen von Inhalten innerhalb eines Satzes, wenn dieses Löschen durch Kompressionsregeln lizenziert ist; in unserem Rahmen wird dies als Abhängigkeiten zwischen subsententialen Texteinheiten implementiert. Anaphoritätsbeschränkungen verbessern dann die Kohärenz über Sätze hinweg, indem sie garantieren, dass für jedes im Summary enthaltene Pronomen das Antezedens des Pronomens ebenfalls enthalten ist oder das Pronomen als volle Nennung umgeschrieben wird. Wenn unser finales System end-to-end trainiert wird, übertrifft es frühere Arbeiten sowohl bei ROUGE als auch bei menschlichen Beurteilungen der sprachlichen Qualität.