Génération de Titres Neuraux avec Optimisation par Phrase

Récemment, des modèles neuronaux ont été proposés pour la génération de titres en apprenant à mapper des documents à des titres avec des réseaux neuronaux récurrents. Néanmoins, alors que le réseau neuronal traditionnel utilise l'estimation du maximum de vraisemblance pour l'optimisation des paramètres, il contraint essentiellement l'objectif d'entraînement attendu au niveau des mots plutôt qu'au niveau des phrases. De plus, la performance des prédictions du modèle dépend fortement de la distribution des données d'entraînement. Pour surmonter ces inconvénients, nous employons une stratégie d'entraînement par risque minimum dans cet article, qui optimise directement les paramètres du modèle au niveau des phrases par rapport aux métriques d'évaluation et qui conduit à des améliorations significatives pour la génération de titres. Les résultats d'expérience montrent que nos modèles surpassent les systèmes de pointe sur les tâches de génération de titres en anglais et en chinois.