【文献紹介】Abstractive Text Summarization Using Sequence-to-Sequence RNNs and Beyond
•
1 j'aime•232 vues
研究室内の論文紹介で使用した資料です (2017.07.06)
Recommandé
Recommandé
Contenu connexe
Similaire à 【文献紹介】Abstractive Text Summarization Using Sequence-to-Sequence RNNs and Beyond
Similaire à 【文献紹介】Abstractive Text Summarization Using Sequence-to-Sequence RNNs and Beyond (20)
Dernier
Dernier (8)
【文献紹介】Abstractive Text Summarization Using Sequence-to-Sequence RNNs and Beyond
- 1. 九州工業大学大学院 情報工学府 情報工学専攻 嶋田研究室 山村 崇 Abstractive Text Summarization using Sequence-to-sequence RNNs and Beyond @CoNLL2016
- 2. Abstract ▶ Abstractive Summarization Neural Machine Translation(NMT)ベース • encoder-decoder + attention 翻訳と要約のタスクの違いを考慮したモデルの提案 • 要約特有の問題に対処 2 Abstractive Text Sum. using seq2seq RNNs and Beyond （未知語） 重要語 Large Vocabulary Trick Feature-rich Encoder Switching Generator-Pointer Temporal Attention Hierarchical Attention入力文書の構造
- 3. Related Work 3 Abstractive Summarization Rush+ 2015Hu+ 2015 Chopra+ 2016 LCSTS Gigaword DUC CNN / DailyMail NYT Nallapati+ 2016 See+ 2017 Pauls+ 2017 のデータセットを構築 の問題を改善 の を改良 中国語の短文要約のためのデータセットを構築 の を にして性能向上 ・ のデータセット ・ source sequence target sequence Encoder Decoder
- 4. MT and Summarization ▶ 単純にNMTを応用すればOK? タスクの違いをちゃんと考慮しよう 4 Introduction Translation Summarization 𝑠𝑜𝑢𝑟𝑐𝑒 ≒ |𝑡𝑎𝑟𝑔𝑒𝑡| 𝑠𝑜𝑢𝑟𝑐𝑒 > |𝑡𝑎𝑟𝑔𝑒𝑡| loss-less generation lossy compression the target covers all the content of the source 文長 変換 内容 the target covers only important content of the source
- 5. Large Vocabulary Trick (LVT) ▶ Baseline Model [Bahdanu et al., 2014] Encoder-Decoder • bi-directional GRU-RNN • uni-directional GRU-RNN Attention ▶ Large vocabulary ‘trick’(LVT) [Jean et al., 2014] decoderの語彙を効果的に選択 • ミニバッチ内のソースの語彙 • ターゲットの高頻度語彙 (2K / 5K) - 学習時間の削減（なるべく語彙サイズを制限したい） - 要約は，大部分が入力文書と共通しているので適している 5 Models source sequence Encoder Decoder target sequence Attention
- 6. Feature-rich Encoder ▶ 単純に入力系列を学習してもダメ 基本：単語ベクトル (Word Embedding) 入力系列中の重要語を学習したい 6 Models Word Embedding (word2vec)
- 7. Feature-rich Encoder ▶ 単純に入力系列を学習してもダメ 基本：単語ベクトル (Word Embedding) 入力系列中の重要語を学習したい 7 Models Word Embedding (word2vec) POS : Part-Of-Speech NER : Named Entity Tag TF : Term Frequency IDF : Inverse Document Frequency
- 8. Switching Generator-Pointer ▶ 未知語（OOV語）のモデル化 要約では，入力のキーワードや固有表現が重要 • しかし，訓練事例にはほとんど出てこない • Pointer Network [Vinyals et al., 2015] を適用 各単語を出力する際に「生成」か「コピー」か決定 • Switch -> on - 通常の方法で語彙を生成 • Switch -> off - Source側から語彙をコピー（選択）して，語彙を決定 8 Models 𝑃 𝑠𝑖 = 1 = 𝜎(𝒗 𝒔 ∙ 𝑾ℎ 𝑠 𝒉𝑖 + 𝑾 𝑒 𝑠 𝑬 𝑜𝑖−1 + 𝑾 𝑐 𝑠 𝒄𝒊 + 𝒃 𝑠 ) decoderの隠れ層 直前の単語ベクトル Context vector
- 9. Switching Generator-Pointer 9 Models G G GGP Encoder Decoder Input Layer Hidden state Output Layer 𝑃 𝑝(𝑖) 𝒚−𝑖, 𝒙 (1 − 𝑃 𝑠𝑖 ) 𝑃 𝑦𝑖 𝒚−𝑖, 𝒙 𝑃(𝑠𝑖) generate from vocabulary copy input word
- 10. Hierarchical Attention [Li et al., 2015] ▶ 入力が長い場合に重要語と重要文を特定 source側で2つのbi-directional RNNsを適用 • 文レベル • 単語レベル - 何文目かの素性を追加 文レベルと単語レベルの２つのアテンションを考慮 10 Models Re-scaled attention word level sentence level
- 11. Hierarchical Attention 11 Models Encoder Decoder Input Layer Hidden state Output Layer Hidden state 単 語 文 <eos> 1文 1文 sentence-level attention word-level attention new word sentence
- 12. Hierarchical Attention 12 Models Encoder Decoder Input Layer Hidden state Output Layer Hidden state 単 語 文 <eos> 1文 1文 sentence-level attention word-level attention new word sentence
- 13. Hierarchical Attention 13 Models Encoder Decoder Input Layer Hidden state Output Layer Hidden state 単 語 文 <eos> 1文 1文 sentence-level attention word-level attention new word sentence
- 14. Temporal Attention [Sankaran et al., 2016] ▶ 同じ単語が出力されるのを防ぐ (Repeating) どの単語が出力されるかはAttentionが鍵 これまで（過去）のAttentionの情報を使う • 過去に多くAttentionしてるなら重みを下げる 14 Models <s> Russia calls for これまでの履歴 現在のAttention 𝛼 𝑡 ∝ 𝛼 𝑡 ′ 𝛽𝑡 𝛽𝑡 = 𝑘=1 𝑡−1 𝛼 𝑘 ′ 現在の単語tのAttention 過去の単語tのAttention の総和 Attention Coverage Model [See+ 2017] Intra-Attention Model [Paulus+ 2017]
- 15. Gigaword Corpus ◆ [1-5] 提案手法の各モデルが性能向上に寄与 - feats-lvt2k-2sent-ptr[5]が一番良い結果（全部入れ） ◆ [6-9] 他手法との比較 (Rushらのtest set) - Rushらと同条件で比較（1文を学習 + 特徴なし) - Baseline (ABS+)よりもRougeとcopy rateで良い結果 - 提案手法words-lvt5k-1sent[9]が一番良い結果 - 同じencoder-decoder RNNのChopraらよりも良い性能 15 Experiments and Results New Article Headline
- 16. DUC Corpus 16 Experiments and Results Document Summary ◆ 提案手法(words-lvt2k-1sent, words-lvt5k-1sent) - Baseline (ABS+)よりも性能が上回る - ABS : Gigawordコーパスで学習 - ABS+ : Gigawordコーパス + DUC2003で特徴量を追加 - 提案手法はGigawordコーパスの学習だけでも精度が上 - Rouge-2, Rouge-Lで最も良い精度
- 17. CNN/Daily Mail Corpus 17 Experiments and Results Document Multi-sentence ◆ これまでのコーパスの要約は1文 (Gigaword, DUC) - 複数の文からなる新しい要約コーパスを作成 ◆ words-lvt2k-hierattがあまり上手くいかなかった - 出力結果を分析したところRepeatingが起きていた - 過去の出力情報(Attention)を参照するtemp-attを導入 - Repeatingが少なくなり，精度が向上 Attention Coverage Model [See+ 2017] Intra-Attention Model [Paulus+ 2017]
- 18. Temporal Attention 18 Experiments and Results
- 19. Poor quality summary output 19 Qualitative Analysis ▶ 誤った出力例 元の文書の「意味」を「誤解」してしまう問題
- 20. Switching Generator-Pointer ▶ Pointerで正しくコピーできていた three-month-old のようなフレーズもコピー可 しかし，精度面での大きな貢献はなかった • 未知語が多いタスクなら，より効果的かも 20 Qualitative Analysis
- 21. Conclusion ▶ Attentional Encoder-Decoder 要約タスクの特徴を考慮した新たなモデルを追加 • 個々のモデルの追加で性能向上を確認 - Large Vocabulary Trick - Feature-rich Encoder - Switching Generator-Pointer - Hierarchical Attention - Temporal Attention 複数文からなる要約のデータセットを公開 • CNN/Daily Mail Corpus - [See et al., 2017] や [Paulus et al., 2017]などが これらのデータセットを使って本研究の改善手法を提案 21 Abstractive Text Sum. using seq2seq RNNs and Beyond