隨著互聯(lián)網(wǎng)絡(luò)飛速發(fā)展，人們所面臨的信息過載問題日益嚴(yán)重，幫助人們快速有效地獲取信息變得尤為重要。標(biāo)題高度概括了原文的關(guān)鍵內(nèi)容，是人們判斷是否繼續(xù)閱讀原文的重要依據(jù)，因此研究標(biāo)題生成問題具有相當(dāng)重要的意義。目前神經(jīng)網(wǎng)絡(luò)標(biāo)題生成方法因?yàn)槠渫耆珨?shù)據(jù)驅(qū)動(dòng)以及無需額外人工定義特征的特點(diǎn)，獲得了廣泛的關(guān)注。但在該領(lǐng)域的研究中仍然存在一些偏差問題：訓(xùn)練與測試方法之間存在偏差；不同主題的文檔之間存在偏差；不同語言之間存在偏差。
本書針對(duì)以上問題分別提出了解決方法。其中，針對(duì)已有訓(xùn)練方法中存在的訓(xùn)練與測試方法之間存在偏差的問題，提出一種基于句級(jí)別優(yōu)化的神經(jīng)網(wǎng)絡(luò)標(biāo)題生成模型訓(xùn)練方法。該方法可以更好地把握全局信息，還可以將評(píng)測標(biāo)準(zhǔn)直接作為優(yōu)化目標(biāo)。在英文和中文標(biāo)題生成任務(wù)上進(jìn)行的實(shí)驗(yàn)結(jié)果顯示，該方法顯著優(yōu)于以往的標(biāo)題生成模型。除此之外，為了對(duì)模型性能有更深入的了解，進(jìn)行了詳細(xì)的人工分析。