Model

图构造

模型的基本理念就是输入原文，把原文转化为一个图
图的基本结构：
Concept：原文的命名实体，concept之间存在关系，我的理解是concept是文档之间的联系
基本组织：一个Action，Action有着对应的attribute描述

1. Actor
2. Receiver
3. Time
4. Location

本质就是一个事件，有着发起人，接受人，时间，地点
然后在event之间存在关系，包括导致，原因，条件，含义，序列等等的关系种类
最后得到一个ESLN网络图

图修改

得到了一个图来表示原文之后，下一步就是对图进行剪切得到缩略图
使用的方法是特征工程那样对信息打分，选择event节点和concept节点，同时应用了一些规则限制如：

1. 选了某个event就跟着选event的argument（actor等信息）
2. 还有比如选择的子图应该是要联通的，用来Flow-base方法

利用特征打分选择节点，构造子图

摘要生成

摘要生成就是基于上面已经被裁剪后的图
生成方式我的理解就是用模板的方法，因为之前的图已经是结构化的数据
可以为不同种类的节点构造模板生成对应的句子

然后本论文的另一个点就是他生成了很多个候选的句子，然后贪心的选择
候选的摘要句子由上述的节点和对应的模板生成
最后选择的时候选择语言条件最好的，然后删除内容重复的节点生成的句子
这个选择的策略是：利用在大语料上训练的3-gram概率分布
我的理解就是这个句子如果3-gram更加符合语料分布说明句子更通顺，质量更好

优点

1. 由于用图结构，同时在实体之间融合操作，使得摘要的信息可以来自不同的位置
2. 前面生成图的约束规则使得摘要更加的连贯和一致
3. 这种图结构使得对实体的描述更加清晰
4. 语法错误少一些，因为有大量生成和最后3-gram的选择操作