文章目录

问题类型传统种类不足 改进点 原文链接

问题类型

转化为抽取式摘要生成任务：从原来标题中提取出若干更短的标题，更能促成成交转化。

传统

传统抽取式压缩方法分两步执行：

分词，NER，调词权重限制性优化（如knapsack或者ILP）

种类

贪心方法基于图受限优化

从词抽取角度出发，有

AttSum方法解决extractive query-focused document summarization的问题。当给定一个query之后，模型会学到query的相关度，

不足

原始方法的缺点：

人工标注大量数据没有考虑CVR

改进点

两个有attention的NN，一个用来编辑短标题和原始标题，另一个对用户的搜索词进行建模。

两个网络在词向量编码上完全相同，在对优化原始标题attention的分布问题上也完全相同。