近期，组内在文本摘要的研究工作方面取得进展。针对长文本摘要生成相关研究工作的不足，提出一种历史信息重用的方法，能够从历史摘要序列中挖掘关键信息并向后传输解码器；同时，引入词袋损失解决现有方法对某些词序偏差进行过度惩罚的问题。在CNN/Daily Mail和Pubmed两个主流数据集上的实验表明了该方法的优越性。

相关研究成果“History Reuse and Bag-of-Words Loss for Long Summary Generation”已被国际期刊IEEE Transactions on Audio, Speech and Language Processing（TASLP）接收并发表。该研究工作得到国家自然科学基金面上项目的资助。

基于AttenGRU的历史信息重用