如何理解fast_abs_rl的‘抽取→改写→RL‘三段式摘要架构?一张图读懂核心思想
如何理解fast_abs_rl的抽取→改写→RL三段式摘要架构一张图读懂核心思想【免费下载链接】fast_abs_rlCode for ACL 2018 paper: Fast Abstractive Summarization with Reinforce-Selected Sentence Rewriting. Chen and Bansal项目地址: https://gitcode.com/gh_mirrors/fa/fast_abs_rlfast_abs_rl 是 ACL 2018 论文Fast Abstractive Summarization with Reinforce-Selected Sentence Rewriting的官方开源实现PyTorch它用抽取→改写→RL的三段式架构把一篇长新闻快速改写成几句摘要。这篇文章不啃源码带你用一张图 三个问题读懂它的核心思想。 一图速览fast_abs_rl 三段式数据流整个模型就像一条流水线工厂原始长文CNN/DailyMail 新闻 │ ▼ ① 抽取器 rnn-ext指针网络 │ 从几十句中挑出关键句并自己决定选几句就停 ▼ ② 改写器 CopySummseq2seq 拷贝机制 │ 把每个关键句逐句改写成流畅的摘要句 ▼ 摘要结果可选 beam search 重排beam5 │ └── ③ RL 段A2C用 ROUGE 分数当奖励 回头训练 ① 的选句眼光三段各司其职① 负责选② 负责写③ 负责教 ① 选得更好。记住这一点剩下的细节都很好理解。 第一段抽取器——指针网络挑关键句抽取器model/extract.py中的PtrExtractSumm由三个部件组成句编码器ConvSentEncoder用卷积网络把每个句子编码成一个向量文章编码器双向 LSTM把整篇文章读通理解全局指针网络LSTMPointerNet像指针一样一步步点出该选哪句。训练时它先用监督学习热身先跑一个廉价的基线抽取器生成伪标签脚本make_extraction_labels.py再用train_extractor_ml.py把指针网络训练到位。这一步保证了 RL 阶段有一个靠谱的起点。✍️ 第二段改写器——带拷贝机制的 seq2seq改写器model/copy_summ.py中的CopySumm是一个经典 encoder-decoder读入一个关键句逐词生成对应的摘要句。它的亮点是拷贝机制copy mechanism——生成每个词时模型可以决定自己造词还是从原文原样抄一个词。这对新闻摘要非常实用人名、地名这类词照抄原文既准确又不会生成乱码。改写器在 RL 阶段是冻结的只当翻译官不参与强化学习这正是整个架构Fast的关键。 第三段RL——用 ROUGE 奖励教抽取器会选句这是 fast_abs_rl 的灵魂。普通做法是把选句当分类问题但作者换了一个思路选句好不好最终要看改写出来的摘要质量如何。于是用强化学习来优化选择过程角色代码位置职责Actor演员PtrExtractorRLStopmodel/rl.py按概率采样下一句额外加了一个停止 token学会自己决定选几句Critic评论员PtrScorermodel/rl.py预测基线奖励降低策略梯度的方差奖励函数metric.py改写结果与人工摘要的 ROUGE-L 分数训练采用A2C优势演员-评论员算法实现见 rl.py 中的a2c_train_step每选一句就获得一次 ROUGE 奖励多句奖励按折扣累积γ0.99最后用标准化奖励 − 基线的优势更新选句策略。整个 RL 入口是train_full_rl.py它加载前两段训练好的模型只优化抽取器——轻量网络吃 RL重量网络保持冻结所以训练又快又稳。⚡ 为什么这套抽取→改写→RL又快又好改写按句进行每句独立改写序列短、速度快远快于对整篇文章一次性 seq2seqRL 只训练小网络指针网络远比完整 seq2seq 轻量RL 开销小奖励端到端对齐目标选句能力直接由最终摘要的 ROUGE 分数塑造而非人工伪标签的上限。效果上测试集CNN/DailyMail的 ROUGE-1/2/L 达到 40.41 / 17.92 / 37.87加上 beam5 重排后进一步提升到 41.20 / 18.18 / 38.79详见 README 的 Results 表格。 动手体验4 步训练 解码命令先获取代码仓库地址git clone https://gitcode.com/gh_mirrors/fa/fast_abs_rl按 README 准备 CNN/DailyMail 数据并设置DATA环境变量后完整训练顺序是# 1. 预训练 word2vec 词向量 python train_word2vec.py --path[path/to/word2vec] # 2. 生成抽取伪标签 python make_extraction_labels.py # 3. 分别用监督学习训练改写器、抽取器 python train_abstractor.py --path[path] --w2v[path] python train_extractor_ml.py --path[path] --w2v[path] # 4. 训练完整 RL 模型只优化抽取器 python train_full_rl.py --path[path] --abs_dir[path] --ext_dir[path]解码只需一条命令beam1为贪心解码beam5启用重排decode_full_model.pypython decode_full_model.py --path[输出目录] --model_dir[预训练模型] --beam5 --test 核心文件速查表想看懂什么去哪里看指针网络抽取器model/extract.py拷贝机制改写器model/copy_summ.pyActor / Critic 网络model/rl.pyA2C 训练循环与奖励rl.py、metric.py三模型组装与加载decoding.py完整解码与重排decode_full_model.pyRL 总训练入口train_full_rl.py一句话总结fast_abs_rl 的智慧在于分工指针网络先学会挑句拷贝改写器负责写句再用最终摘要的 ROUGE 分数作为奖励回头把挑句这一步打磨到极致——轻量网络做 RL、按句改写求速度这就是它名字里Fast的由来。【免费下载链接】fast_abs_rlCode for ACL 2018 paper: Fast Abstractive Summarization with Reinforce-Selected Sentence Rewriting. Chen and Bansal项目地址: https://gitcode.com/gh_mirrors/fa/fast_abs_rl创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

相关新闻

如何快速写出漂亮的Excel:用SpreadCheetah搞定字体、边框、填充与命名样式完整教程

如何快速写出漂亮的Excel:用SpreadCheetah搞定字体、边框、填充与命名样式完整教程

如何快速写出漂亮的Excel:用SpreadCheetah搞定字体、边框、填充与命名样式完整教程 【免费下载链接】spreadcheetah SpreadCheetah is a high-performance .NET library for generating spreadsheet (Microsoft Excel XLSX) files. 项目地址: https://gitcode.com…

2026/8/25 8:52:56 阅读更多 →
Camel in Action组件大全:File、JMS、JDBC、Mail、Netty等9大组件配置清单与避坑指南

Camel in Action组件大全:File、JMS、JDBC、Mail、Netty等9大组件配置清单与避坑指南

Camel in Action组件大全:File、JMS、JDBC、Mail、Netty等9大组件配置清单与避坑指南 【免费下载链接】camelinaction2 :camel: This project hosts the source code for the examples of the Camel in Action 2nd ed book :closed_book: written by Claus Ibsen an…

2026/8/25 8:52:56 阅读更多 →
5分钟上手Rust条件编译:cfg-if宏编写第一个[cfg]分支实战教程

5分钟上手Rust条件编译:cfg-if宏编写第一个[cfg]分支实战教程

5分钟上手Rust条件编译:cfg-if宏编写第一个#[cfg]分支实战教程 【免费下载链接】cfg-if A if/elif-like macro for Rust #[cfg] statements 项目地址: https://gitcode.com/gh_mirrors/cf/cfg-if 如果你刚接触Rust,肯定被密密麻麻的 #[cfg] 标签劝…

2026/8/25 8:51:55 阅读更多 →

最新新闻

软件功能测试面试全攻略:100道高频题解析

软件功能测试面试全攻略:100道高频题解析

1. 软件功能测试面试题的价值与定位对于刚毕业的应届生来说,软件功能测试岗位往往是进入IT行业的首选切入点。不同于性能测试、安全测试等需要特定技术积累的领域,功能测试更注重对软件质量保证基础理念的理解和基本测试技能的掌握。这100道面试题的设计…

2026/8/25 9:42:34 阅读更多 →
Java后端开发知识体系与面试实战指南

Java后端开发知识体系与面试实战指南

1. Java 后端开发者知识体系全景图作为一名从业十年的Java后端老兵,我深知面试和日常开发对知识体系的要求差异巨大。面试更像是一场限时开卷考试,需要在短时间内向面试官证明你的技术广度和深度。这份大纲不是简单的知识点罗列,而是经过上百…

2026/8/25 9:42:34 阅读更多 →
Perl编程入门:从环境搭建到日志分析实战

Perl编程入门:从环境搭建到日志分析实战

1. 为什么今天还要学Perl?如果你在2024年提起要学Perl,可能会收获一些疑惑甚至略带“同情”的目光。在Python、Go、JavaScript等语言大行其道的今天,Perl似乎已经成了“上古语言”的代名词。但作为一名在运维、文本处理和快速原型领域摸爬滚打…

2026/8/25 9:42:34 阅读更多 →
如何实时把日文 Galgame 文本翻成中文:游戏翻译工具 LunaTranslator 的 3 种取词方式新手完全指南

如何实时把日文 Galgame 文本翻成中文:游戏翻译工具 LunaTranslator 的 3 种取词方式新手完全指南

如何实时把日文 Galgame 文本翻成中文:游戏翻译工具 LunaTranslator 的 3 种取词方式新手完全指南 【免费下载链接】LunaTranslator 视觉小说翻译器 / Visual Novel Translator 项目地址: https://gitcode.com/GitHub_Trending/lu/LunaTranslator LunaTransl…

2026/8/25 9:42:34 阅读更多 →
Ardent的Map家族使用手册:HashMap与SortedMap的6个实用技巧

Ardent的Map家族使用手册:HashMap与SortedMap的6个实用技巧

Ardent的Map家族使用手册:HashMap与SortedMap的6个实用技巧 【免费下载链接】Ardent A Collections library for PHP. 项目地址: https://gitcode.com/gh_mirrors/ard/Ardent Ardent 是一款专为 PHP 打造的集合库(Collections library&#xff09…

2026/8/25 9:42:34 阅读更多 →
Hadoop+Spark+Hive构建招聘推荐系统实践

Hadoop+Spark+Hive构建招聘推荐系统实践

1. 项目概述:基于HadoopSparkHive的招聘推荐系统这个毕业设计项目构建了一个完整的招聘大数据分析平台,采用HadoopSparkHive技术栈处理海量招聘数据。系统能够从多个招聘网站抓取岗位信息,通过分布式计算分析职位与求职者的匹配度&#xff0c…

2026/8/25 9:41:31 阅读更多 →

日新闻

洛谷 P7912:[CSP-J 2021 T4] 小熊的果篮 ← 双向链表

洛谷 P7912:[CSP-J 2021 T4] 小熊的果篮 ← 双向链表

【题目来源】 https://www.luogu.com.cn/problem/P7912 【题目描述】 小熊的水果店里摆放着一排 n 个水果。每个水果只可能是苹果或桔子,从左到右依次用正整数 1,2,…,n 编号。连续排在一起的同一种水果称为一个“块”。小熊要把这一排水果挑到若干个果篮里&#x…

2026/8/25 0:00:34 阅读更多 →
Transformers.js 网页端图像抠图实战:零后端 3 行代码返回透明 PNG

Transformers.js 网页端图像抠图实战:零后端 3 行代码返回透明 PNG

Transformers.js 网页端图像抠图实战:零后端 3 行代码返回透明 PNG 【免费下载链接】transformers.js State-of-the-art Machine Learning for the web. Run 🤗 Transformers directly in your browser, with no need for a server! 项目地址: https:/…

2026/8/25 0:00:34 阅读更多 →
数学建模竞赛论文写作指南:从模型构建到学术表达的核心技能

数学建模竞赛论文写作指南:从模型构建到学术表达的核心技能

1. 项目概述:从“会做”到“会写”的竞赛核心跃迁“全国大学生数学建模竞赛”,这个名字对理工科学生来说,分量极重。每年,无数团队在三天三夜的时间里,为一个开放性问题绞尽脑汁,从建立模型、求解算法到编程…

2026/8/25 0:00:34 阅读更多 →

周新闻

[光学原理与应用-521]:对光的错误理解与纠偏

[光学原理与应用-521]:对光的错误理解与纠偏

首先光是一种能量的载体和形态,宏观上观察到的光是由无数个微观的光量子组成的,每个光子在产生的瞬间,其在真空的空间中以确定不变的速度沿着一个初始的方向一直向前,在微观层面,每个光量子的运动轨迹是以波函数所展现…

2026/8/25 3:38:12 阅读更多 →
SIP通话转接原理与REFER方法实战解析

SIP通话转接原理与REFER方法实战解析

1. 通话转接不是“挂断再拨号”,而是SIP会话的动态重定向你有没有遇到过这样的场景:客服坐席A正在和客户通电话,突然需要把这通对话无缝转给专家坐席B,客户完全感知不到中间的断连——既没听到忙音,也没被要求重新拨号…

2026/8/25 3:38:18 阅读更多 →
Kolla-ansible单节点OpenStack部署实战:从环境准备到排坑指南

Kolla-ansible单节点OpenStack部署实战:从环境准备到排坑指南

1. 为什么选择Kolla-ansible来部署单节点OpenStack?如果你正在寻找一种能把OpenStack从“概念”快速变成“可用的实验环境”的方法,那么Kolla-ansible几乎是当前最主流、最省心的选择。我见过太多人卡在手动编译依赖、配置服务、处理版本冲突的泥潭里&am…

2026/8/25 3:38:23 阅读更多 →

月新闻

免费解锁百度网盘SVIP加速:macOS用户必备的下载提速终极指南

免费解锁百度网盘SVIP加速:macOS用户必备的下载提速终极指南

免费解锁百度网盘SVIP加速:macOS用户必备的下载提速终极指南 【免费下载链接】BaiduNetdiskPlugin-macOS For macOS.百度网盘 破解SVIP、下载速度限制~ 项目地址: https://gitcode.com/gh_mirrors/ba/BaiduNetdiskPlugin-macOS 还在为百度网盘macOS版的龟速下…

2026/8/24 20:22:44 阅读更多 →
终极ncmdump指南:3分钟实现网易云NCM音乐解密与格式转换

终极ncmdump指南:3分钟实现网易云NCM音乐解密与格式转换

终极ncmdump指南:3分钟实现网易云NCM音乐解密与格式转换 【免费下载链接】ncmdump 项目地址: https://gitcode.com/gh_mirrors/ncmd/ncmdump 还在为网易云音乐下载的NCM格式文件无法在其他播放器播放而烦恼吗?ncmdump解密工具帮你轻松解决这个困…

2026/8/23 12:10:44 阅读更多 →
HarmonyOS 应用开发《掌上英语》第81篇: 智能体卡片:为英语学习 App 打造桌面级学习助手

HarmonyOS 应用开发《掌上英语》第81篇: 智能体卡片:为英语学习 App 打造桌面级学习助手

AgentCard 智能体卡片:为英语学习 App 打造桌面级学习助手适用平台:HarmonyOS 7.0 (API 26 Beta)一、引言 HarmonyOS 7.0(API 26 Beta)新增了 AgentCard 智能体卡片能力,这是继 HMAF(鸿蒙智能体框架&#x…

2026/8/24 11:20:22 阅读更多 →