Применение графов знаний в моделях абстрактного аннотирования текста

Современные модели глубокого обучения в задаче абстрактного аннотирования текстов часто генерируют хорошо читаемый текст, однако полученные аннотации часто страдают от непоследовательности и используют те же фразы, что и в исходном тексте. В этой работе развиваются идеи использования представления исходного текста как графа знаний наряду с современными подходами разработки модели абстрактного аннотирования текста. В предложенной модели используется графовый энкодер вместе с текстовым трансформер-энкодером для учета фактов об отношениях сущностей в дополнение к общему текстовому контексту. Модель, валидированная на наборе данных CNN/Daily Mail, показывает результат лучше, чем версия модели без графа знаний. И показывает худшие, но соизмеримые результаты по сравнению с state-of-the-art моделями. Дальнейшие шаги, направленные на использование и совершенствование модели, требуют дополнительного исследования в будущем.