MGATS

摘要：

众所周知，创建科学文本的摘要可能是困难的。对于每个给定的文档，大多数总结研究认为只有一个最好的黄金总结。只有一个黄金摘要限制了我们评估总结算法有效性的能力，因为创建摘要是一门艺术。同样地，由于主题专家需要花费大量时间来阅读和理解冗长的科学出版物，为科学文件注释几个黄金摘要可能非常昂贵。被称为多视角科学文献摘要(Mup)的共享任务是对产生多视角科学摘要的各种方法的探索。利用图注意网络(GATs)，我们将抽取文本摘要的方法作为一种句子排序任务。虽然建议的模型所产生的结果不是特别令人印象深刻，但将其与先进水平进行比较表明模型有改进的潜力。

方法：

对MuP共享任务采用了提取摘要技术。为此，我们在选择三句话后为每篇文章生成一个图表。根据句子嵌入之间的余弦相似度，与每个摘要句最接近的句子。oracle rank定义为每句话与提供的摘要嵌入之间的归一化平均余弦相似度分数。图1演示了建议的模型。

邻居节点特征的归一化和是通过图卷积过程为GCN产生的，如公式1所示。

注意机制替代了图注意网络(GATs)中的静态归一化卷积运算(图2)。

使用GA T的主要理念是根据文章中句与句之间的关系选择最重要的短语，利用注意力机制专注于更有效的句子。