自动完成文本摘要，谷歌Pegasus系统在12项测试中成绩显著( 二 )_自动完成文本摘要

然而这也并不是梦，自动文本摘要是现如今机器学习算法努力研究的方向之一，微软近期的也发布了相关论文肯定了这一研究趋势、目标。与此同时， Google Brain和伦敦帝国理工学院组建了一个研究该系统的团队，命名为Pegasus ，这一款系统对应于上述群体来说是一个难得的福音。该系统使用了谷歌的变形金刚架构，与针对文本摘要能力的目前的训练目标相互结合，达到摘取文字信息中重要文字的效果。其中最引人注目的就是Google Brain旗下的名为变形金刚的神经结构，他可以将每个输出的元素和每个输入的元素之间形成连接，并在实时动态下计算他们之间的权重，其如同深度神经网络，神经元被安排在这些元素之中，传递输入信息的信号，甚至对他们中每个连接权重进行调整，为Pegasus模型增加优势。

研究人员指出，文本摘要的主要目的是总结输入的文档，进而生成对他的准确、间接的摘要、概要，并非是简单的复制、粘贴，而是系统总结其中的权重，保持输出的语言的流畅。这也也很好地概括了Pegasus的优势与目的。目前，该系统在科学、小说、电子邮件、立法法案、专利文书等12项测试中取得了不错的成绩，达到了目前世界上最为先进的水平。此外，在材料并不完整的情况下，该系统的文本整合测试的结果也十分令人满意。从外也不必担心其内容完整度不够，比如，在100篇文章中， Pegasus的摘要质量可以达到与在2万篇至20万篇文章的摘要效果。在测试中，含有5.68亿个参数的Pegasus模型表现最佳，可以使用白名单域植入网络爬虫工具，进而覆盖在质量上并不统一的内容，其摘要语言也具有较高的流畅性和连贯性。