这个仓库是字节跳动比赛 Byte Cup 2018，自动生成新闻标题，水滴队（最终成绩23名）的代码。 有关比赛的总结，欢迎移步博客：https://blog.csdn.net/taoyafan/article/details/84879285
python3.5 或以上 tensorflow 1.12（接近的几个版本应该也可以）
修改自程序RLSeq2Seq
主要改动如下：
（1）更换 python 版本为 python3。
（2）对 policy gradient 部分进行了大量的修改，原程序存在很多错误，如计算 ROUGE 时没有将 decode mask 去掉，前向计算时 greedy 和 sample 没有分开，decode 的输入也是一样的。
（3）训练的同时增加 eval，并保存在验证集效果最好的最后三个模型。
（4）增加对pointer-generator的模型的兼容性，可以直接使用其预训练模型。
（5）对 policy gradient 的修改，将论文A Deep Reinforced Model for Abstractive Summarization中的公式（15）改为 $$ L{rl}=(r(y^{s}) - r(y^{g}))\sum{t=1}^{n'}{\rm log}p(y{t}^{g}|y{1}^{g},...y_{t-1}^{g},x) $$ 即将 sample 得到的结果当做 baseline，根据 greedy 得到的结果对来计算梯度。
参考程序RLSeq2Seq 和 pointer-generator，他们介绍的很清楚，只是这里只用在比赛中，生成的标题较短，且数据集来自官方。
数据的预处理参考 cnn-dailymail 中的 make_datafiles.ipynb。
src 中为源代码，其中run_summarization.py为主程序。
results中为不同模型的运行命令（参数）。
基本命令同RLSeq2Seq，增加参数如下：
| 参数 | 说明 |
|---|---|
| convert_version_old_to_new | 为 True 时可加载 pointer-generator 提供的预训练模型 |
| eval_data_path | 验证集路径 |
| dropout_keep_p | 在 encoder 和 decoder 的 LSTM 的 cell 中增加 drop out，对 input、output 和 state 使用相同的 keep_p，默认为1，即不使用 drop out |
| rising_greedy_r | 为 True 时 policy gradient 使用更改后的公式，即目标为提升 greedy 得到的 reward，为 False 时为原公式，但是占用显存增大一倍 |
在 results 中寻找对应模型的命令，如基准模型 base_eta=0_lr=0.15.txt
在训练时执行命令：
python3 run_summarization.py --mode=train --data_path=../finished_files/chunked/train* --eval_data_path=../finished_files/chunked/test* --vocab_path=../finished_files/vocab --log_root=../log --exp_name=base_eta=0_lr=0.15 --batch_size=20 --use_temporal_attention=False --intradecoder=False --eta=0 --rl_training=True --lr=0.15 --sampling_probability=0 --fixed_eta=True --scheduled_sampling=True --fixed_sampling_probability=True --greedy_scheduled_sampling=True经过实验 drop out 取 0.8 时效果最好，不过最终没来得及使用，最终成绩所使用的模型为：
基础模型（有pointer_gen，无coverage，无rl），然后使用 policy gradient。