通過生成式文本摘要改進口語法律案件預測效能之研究

摘要

摘要中的事實不一致性代表摘要中的訊息無法從來源文章中獲得驗證，是抽象式摘要中棘手的問題，研究顯示模型產出的摘要有30\%擁有事實不一致的問題，使得抽象式摘要難以應用在生活中，近幾年研究者也開始重視這個問題。過去的方法傾向於提供額外的背景知識，將其融入於模型中，或者在模型解碼後對產出的結果進行檢查及更正。對比學習是近幾年新的模型訓練方法，它在影像領域取得了卓越的成績，其概念是利用正樣本、負樣本之間的對比性，使得模型學習出來的向量物以類聚，正樣本經過模型得到的向量彼此間的距離會較貼近，負樣本經過模型得到的向量彼此間的距離會較疏遠。如此模型在一定程度上擁有了區分不同事物的能力。在我們的研究中，首先對原始文章找出與摘要每一句最相關的句子，接著對編碼器使用了對比學習方法使得編碼過後的向量可以獲得與摘要更加相關的原始文章向量使得解碼器產出的摘要更符合事實一致。