我知道这很广泛，但我只需要一些指示。
我希望实现一个文本摘要系统。我已经尝试过一种抽象方法，现在我正在尝试一种提取方法。当前的提取方法（Textrank、Lexrank 等）并未提供最佳性能。有人建议我将其视为一项无监督学习任务，使用自动编码器/RBM 或 K 均值或任何其他无监督学习算法将句子分类为重要或不重要。
我的问题是：
我在这方面做了一些工作并阅读了几篇论文，但没有一篇在特征计算方面提供清晰的说明，而只是解释了网络架构。
任何形式的帮助将不胜感激，谢谢！
TL;博士：
这样的事情可行吗？（我知道除非经过尝试，否则在数据科学中没有什么可以肯定地说，但值得一试吗？）
是的
我应该将什么样的特征输入分类器？我已经知道词频分布（TF-IDF）、句子位置、共现统计，但是这些就足够了吗？我应该考虑哪些附加功能？还是我应该考虑直接输入词向量？
输入词向量。深度学习可以找出好的特征，如 tf-idf、共现等。
更长的版本：
输入：
使用 Word2Vec 或 Glove 等词嵌入算法将所有词转换为词向量。这通常是一个好主意，因为这允许您以更好的语义（狗、猫、牛等将接近）和句法（11 月、12 月等将接近）意义来表示单词。
（使用 tf-idf 作为特征对我不起作用。我用它来监督神经网络的提取摘要。）
如何管理输入：
这在很大程度上取决于您的数据如何。（请让我知道哪个数据集）我假设您有类似 [sentence1, sentence2,...] 作为输入和类似 [True, False, ...] 的输出，这意味着 send1 在摘要中，而 sent2 不在.
如果你的数据不是这种形式，你应该把它转换成这种形式。
您尚未指定它是不受监督的还是受监督的。
对于监督：
使用 LSTM。逐字向 LSTM 输入句子。一旦句子结束（用记号 say 或句号标记），LSTM 就会预测句子是否应该在摘要中。在此基础上进行训练。
这有点类似于您进行情绪分析的方式：输入句子，然后询问情绪是积极的还是消极的。
您可以尝试堆叠 LSTM 或更改超参数以获得更好的结果。
对于无人监督：
这有点困难。您可以将句子转换为向量（Sent2Vec）并希望重要的句子聚集在一起，因为它们包含重要的单词。
或者你可以训练一个 RNN 来预测下一个字符，并希望其中一个神经元学会预测重要的单词/句子，就像OpenAI 的无监督情绪神经元学习预测情绪一样。
这些天遵循的一般“深度”架构是：嵌入、编码、参与、预测
查看我发布的链接（蓝色），它们可能对您有用。
注意：如果可能，请提及您的数据集以及您如何设法进行抽象摘要（考虑到它比提取要难得多）
我尝试过 markovify，python 中的一个马尔科夫链库，用于文本文档的自动文本摘要。您可以通过一种简单的无监督方法来检查它。对我来说，它没有给出令人满意的结果，因为我使用医学期刊的摘要作为我的数据集，但如果你尝试在不同的主题数据集上使用它，它可能会对你有所帮助。