nach oben

Erschienen in:

2020 | OriginalPaper | Buchkapitel

Highlighted Word Encoding for Abstractive Text Summarization

verfasst von : Daisy Monika Lal, Krishna Pratap Singh, Uma Shanker Tiwary

Erschienen in: Intelligent Human Computer Interaction

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

The proposed model unites the robustness of the extractive and abstractive summarization strategies. Three tasks indispensable to automatic summarization, namely, apprehension, extraction, and abstraction, are performed by two specially designed networks, the highlighter RNN and the generator RNN. While the highlighter RNN collectively performs the task of highlighting and extraction for identifying the salient facts in the input text, the generator RNN fabricates the summary based on those facts. The summary is generated using word-level extraction with the help of term-frequency inverse document frequency (TFIDF) ranking factor. The union of the two strategies proves to surpass the ROUGE score results on the Gigaword dataset as compared to the simple abstractive approach for summarization.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Abstractive Text Summarization Using Enhanced Attention Model

Nächstes Kapitel Detection of Hate and Offensive Speech in Text

Bahdanau, D., Cho, K., Bengio, Y.: Neural machine translation by jointly learning to align and translate. CoRR, abs/1409.0473 (2014)

Saggion, H., Poibeau, T.: Automatic Text Summarization: Past Present and Future, pp. 3–13. Springer, Heidelberg (2016)

Barrios, F., Lopez, F., Argerich, L., Wachenchauzer, R.: Variations of the Similarity Function of TextRank for Automated Summarization. arXiv preprint arXiv:1602.03606v1 (2016)

Durrett, G., Berg-Kirkpatrick, T., Klein, D.: Learning-Based Single-Document Summarization with Compression and Anaphoricity Constraints. arXiv preprint arXiv:1603.08887v2 (2016)

Nallapati, R., Zhai, F., Zhou, B.: Summarunner: a recurrent neural network-based sequence model for extractive summarization of documents (2017)

Cheng, J., Lapata, M.: Neural summarization by extracting sentences and words. In: Proceedings of the 54th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), vol. 1, pp. 484–494 (2016)

Nallapati, R., Zhou, B., Ma, M.: Classify or select: Neural architectures for extractive document summarization. arXiv preprint arXiv:1611.04244 (2016a)

Narayan, S., Papasarantopoulos, N., Lapata, M., Cohen, S.B.: Neural extractive summarization with side information. arXiv preprint arXiv:1704.04530 (2017)

Nallapati, R., Zhou, B., dos Santos, C., Gulcehre, C., Xiang, B.: Abstractive text summarization using sequence-to-sequence RNNs and beyond. In Proceedings of the 20th SIGNLL Conference on Computational Natural Language Learning, pp. 280–290 (2016b)

10.

Paulus, R., Xiong, C., Socher, R.: A deep reinforced model for abstractive summarization. In: Proceedings of the 2018 International Conference on Learning Representations (2017)

11.

Rush, A.M., Chopra, S., Weston, J.: A neural attention model for abstractive sentence summarization. In: Proceedings of the 2015 Conference on Empirical Methods in Natural Language Processing, pp. 379–389 (2015)

12.

Fan, A., Grangier, D., Auli, M.: Controllable abstractive summarization. arXiv preprint arXiv:1711.05217 (2017)

13.

Zhou, Q., Yang, N., Wei, F., Zhou, M.: Selective Encoding for Abstractive Sentence Summarization. arXiv preprint arXiv:1704.07073v1 (2017)

14.

Lin, C.-Y.: ROUGE: a package for automatic evaluation of summaries. In: Proceedings of the ACL Workshop: Text Summarization Branches Out (2004)

15.

Chopra, S., Auli, M., Rush, A.M.: Abstractive sentence summarization with attentive recurrent neural networks. In: Proceedings of the ACL Workshop: Text Summarization Branches Out (2016)

Titel: Highlighted Word Encoding for Abstractive Text Summarization
verfasst von: Daisy Monika Lal
Krishna Pratap Singh
Uma Shanker Tiwary
Verlag: Springer International Publishing
Buch: Intelligent Human Computer Interaction
Print ISBN: 978-3-030-44688-8

Electronic ISBN: 978-3-030-44689-5

Copyright-Jahr: 2020
DOI: https://doi.org/10.1007/978-3-030-44689-5_7

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"