近日，為了解決AI精準提取文章摘要這個難題，Google Brain團隊發布了一個名為SummAE的智能摘要系統。該系統只需要少量的訓練數據，便可以對文章進行精確的概括。盡管無法與人工水平相比，但研究人員聲稱它在基線上有了明顯的改進。

SummAE包含一個自動降噪編碼器，該編碼器在共享空間中對目標文本的句子和段落進行編碼（即生成其數字表示）。在其輸入之前，該編碼器可對每一個句子或段落進行解碼，然后系統通過對每一個解碼的內容自動生成摘要內容。

Google Brain研究人員發現，訓練自動編碼器的大多數傳統方法，會產生冗長多余的摘要句子。為了擺脫其原始表達方式，該團隊采用了兩種去噪方法，隨機掩蓋記號和排列段落中句子的順序。這種方法極大地增加了訓練示例的數量。同時還開發了一個對抗性審核組件，該組件可以區分句子和段落，此外還有兩個預訓練功能，可優化編碼器在提取句子后在段落中的敘述方式。

研究人員在ROCStories上訓練了SummAE的三種不同變體，這是一整套自成體系、多樣化、非技術性。他們將原始的98,159個培訓案例分為三個獨立的培訓集、驗證集和測試集，并收集了三個人工摘要，每個摘要分別包含500個驗證示例和500個測試示例。

在進行了100,000次預訓練后，研究小組報告顯示，最新神經模型明顯優于傳統的基線提取句生成器。此外，在一項涉及通過Amazon Mechanical Turk招聘的評估人員的定性研究中，志愿者對三種SummAE模型摘要進行了評估，超過80%的人員對SummAE的結果感到驚訝。

Google Brain表示，段落重建顯示出一定的連貫性，盡管在神經生成模型中經常會出現一些歧義和錯誤。由于摘要是從與重建相同的潛在向量中解碼的，因此對其進行改進會產生更精準的摘要。

繼續閱讀：人工智能、AI、Google、智能摘要系統SummAE

未經允許不得轉載：RPA中國 | RPA全球生態 | 數字化勞動力 | RPA新聞 | 推動中國RPA生態發展 | 流 > Google發布智能摘要系統SummAE，可自動生成精準文章摘要