基于图形的神经多文档摘要（2017年最新研究情况）

一、背景研究

早期的文档摘要主要式抽取式，对句子的重要程度进行排序，与进行句子选择。然后，他们使用一系列的算法选择值得总结的句子，比如图中心性。还有基于整数规划的线性的约束优化，svm回归。

从13年开始，最新神经网络摘要非常受欢迎。但神经网络方法再处理多文档摘要时候还存在问题。多文档摘要中需要考虑句子之间的篇章关系，这很重要。

 

二、历史研究情况

 

神经网络摘要的发展：

例如Rush等人(2015)引入了一种基于神经注意前馈网络的句子压缩模型。

Wang和Ling(2016)采用编译器RNNs来有效地为意见提供简短的摘要。

Cao等人(2016)开发了一个名为AttSum的查询摘要系统，该系统使用查询注意力加权的cnn来处理显著性排名和相关性排名.

Cheng和Lapata(2016)训练了一个带有基于注意力的编解码器的提取摘要系统，该系统能在单个文档中按顺序标记值得总结的句子。

参见et al.(2017)，采用一种抽象的方法，增强了标准的基于注意力的编解码RNN