説明リンク
質問タイプ
ダイジェスト生成リムーバブルタスクに変換:いくつかの短い、より多くの変換が容易にトランザクションの元の見出しからヘッダを抽出します。
伝統
2つの段階での伝統的な取り外し可能な圧縮方式:
- ワード、NER、メロディ重量
- 最適化を制限する(例えば、
knapsack
またはILP
)
種
- グリーディ法
- マップに基づいて、
- 制約付き最適化
抽出単語の観点から、そこに
AttSum
の問題抽出クエリに焦点を当てた文書要約へのソリューション。クエリが与えられると、モデルは、クエリの関連性を学びます。
不十分な
元のメソッドの欠点:
- 手動では、大量のデータをラベル
- 考えられません
CVR
改善されたポイント
2がありattention
NNの、元のタイトルと検索用語のユーザモデリングのための他の編集用の短いタイトル。
注目のオリジナルタイトルの配信を最適化する問題に、それをコードするベクターを単語上の2つのネットワークも同じです。