Pointer Generator Network
原文链接：https://arxiv.org/abs/1704.04368
Motivation
对于文本总结问题，传统seq2seq模型会产生事实性错误、病句（红色），而指针网络会产生重复的情况（绿色）。指针网络+覆盖机制消除了重复，达到了比较好的效果。
Review: seq2seq with attention
下图是包含注意力机制的seq2seq模型，每一步的输出通过对前面编码器的隐态进行注意力加权得到。
Pointer Generator Network
指针生成网络如下所示，attention权重与该步隐态共同决定概率pgen，决定模型预测来源是词表还是输入。
pgen如下公式所示，即编码器隐态、解码器隐态、输入分别进行线性变换，加入偏置后经过非线性激活函数。
Coverage Mechanism
通过引入覆盖机制，防止了重复预测同一单词。
第t步计算覆盖向量ct并加入loss，以减少重复情况。首先针对每个输入计算eit，方式类似attention权重，但将覆盖向量ct加入了计算。然后将其进行softmax并加和得到at。将t步之前的所有a求和得到覆盖向量ct。
将cit与ait的最小值求和加入loss，以对重复现象进行惩罚。在最小化loss的过程中也就必须减少重复。
Results
下图显示了文本总结的效果，加上覆盖机制的指针网络能够达到很好的效果，并避免了重复现象。
