基于异构图和关键词的抽取式文本摘要模型

摘要

使用一定的策略从冗长的文本中选择一些句子组成摘要，其关键在于要尽可能多地利用文本的语义信息和结构信息。为了更好地挖掘这些信息，进而利用它们指导摘要的抽取，提出了一种基于异构图和关键词的抽取式文本摘要模型（HGKSum）。该模型首先将文本建模为由句子节点和词语节点构成的异构图，在异构图上使用图注意力网络学习节点的特征，之后将关键词抽取任务作为文本摘要任务的辅助任务，使用多任务学习的方式进行训练，得到候选摘要，最后对候选摘要进行精炼以降低冗余度，得到最终摘要。在基准数据集上的对比实验表明，该模型性能优于基准模型，此外，消融实验也证明了引入异构节点和关键词的必要性。

关键词

抽取式文本摘要 / 异构图 / 关键词 / 图注意力网络 / 多任务学习