fastNLP/reproduction/Summarization

• Summarization
• • Extractive Summarization
  • • Models
    • Dataset
    • Dataset_loader
    • Performance and Hyperparameters
  • Abstractive Summarization

Summarization

Extractive Summarization

Models

FastNLP中实现的模型包括：

1. Get To The Point: Summarization with Pointer-Generator Networks (See et al. 2017)
2. Searching for Effective Neural Extractive Summarization What Works and What's Next (Zhong et al. 2019)
3. Fine-tune BERT for Extractive Summarization (Liu et al. 2019)

Dataset

这里提供的摘要任务数据集包括：

• CNN/DailyMail
• Newsroom
• The New York Times Annotated Corpus
  • NYT
  • NYT50
• DUC
  • 2002 Task4
  • 2003/2004 Task1
• arXiv
• PubMed

其中公开数据集(CNN/DailyMail, Newsroom, arXiv, PubMed)预处理之后的下载地址：

• 百度云盘 (提取码：h1px)
• Google Drive

未公开数据集(NYT, NYT50, DUC)数据处理部分脚本放置于data文件夹

Dataset_loader

• SummarizationLoader: 用于读取处理好的jsonl格式数据集，返回以下field

  • text: 文章正文
  • summary: 摘要
  • domain: 可选，文章发布网站
  • tag: 可选，文章内容标签
  • labels: 抽取式句子标签

• BertSumLoader：用于读取作为 BertSum（Liu 2019） 输入的数据集，返回以下 field：

  • article：每篇文章被截断为 512 后的词表 ID
  • segmet_id：每句话属于 0/1 的 segment
  • cls_id：输入中 ‘[CLS]’ 的位置
  • label：抽取式句子标签

Performance and Hyperparameters

Model	ROUGE-1	ROUGE-2	ROUGE-L	Paper
LEAD 3	40.11	17.64	36.32	our data pre-process
ORACLE	55.24	31.14	50.96	our data pre-process
LSTM + Sequence Labeling	40.72	18.27	36.98
Transformer + Sequence Labeling	40.86	18.38	37.18
LSTM + Pointer Network	-	-	-
Transformer + Pointer Network	-	-	-
BERTSUM	42.71	19.76	39.03	Fine-tune BERT for Extractive Summarization
LSTM+PN+BERT+RL	-	-	-

Abstractive Summarization

Still in Progress...