论文地址：Hierarchical Heterogeneous Graph Attention Network for Syntax-Aware Summarization
SynapSum：句法图注意力网络
Abstract
提出了一种新的基于选区的解析树上的层次异构图注意网络，用于语法感知的摘要，该方法反映了心理学上的发现，即人类将确定特定的选择模式来分层构建总结。实验表明对不同领域的6个基准数据集上的抽象和提取摘要任务都是有效的
Introduction
现有的基于图的方法的输出摘要往往与输入文本存在语义偏差，因为这些模型中构建的图大多是在统计层面上，经常忽视了高层次语义信息
先前的研究表明，句法结构有利于生成压缩但信息丰富的摘要，因为其层次结构有利于去除不重要的部分，并注意更显著的部分，这也模仿了人类生成摘要的方式：通过逐级提取最重要的信息来融合语义意义。此外，句法图通常比语义图更容易获得，从而缓解了以往基于构造的复杂语义图的方法中的计算问题
选择选区解析树的原因：
- 词元间的句法依赖关系显示反应路径
- 选取树提取子短句很容易
主要贡献：
- 提出了基于选区树的语法感知摘要的异构图注意网络
- 6个数据集SOTA
- 应用到代码摘要任务中，用抽象语法树替换图
Methodology
Experiment
