随着互联网络飞速发展，人们所面临的信息过载问题日益严重，帮助人们快速有效地获取信息变得尤为重要。标题高度概括了原文的关键内容，是人们判断是否继续阅读原文的重要依据，因此研究标题生成问题具有相当重要的意义。目前神经网络标题生成方法因为其完全数据驱动以及无需额外人工定义特征的特点，获得了广泛的关注。但在该领域的研究中仍然存在一些偏差问题：训练与测试方法之间存在偏差；不同主题的文档之间存在偏差；不同语言之间存在偏差。 本书针对以上问题分别提出了解决方法。其中，针对已有训练方法中存在的训练与测试方法之间存在偏差的问题，提出一种基于句级别优化的神经网络标题生成模型训练方法。该方法可以更好地把握全局信息，还可以将评测标准直接作为优化目标。在英文和中文标题生成任务上进行的实验结果显示，该方法显著优于以往的标题生成模型。除此之外，为了对模型性能有更深入的了解，进行了详细的人工分析。

第一章 引言
第一节 研究背景
第二节 神经网络标题生成模型
第三节 神经网络标题生成面临的挑战
第四节 本研究主要工作内容
第二章 基于句级别优化的神经网络标题生成模型
第一节 背景
第二节 模型框架
第三节 实验
第四节 本章小结
第三章 融合主题信息的神经网络标题生成模型
第一节 背景
第二节 模型框架
第三节 实验
第四节 本章小结
第四章 基于Teacher—student框架的跨语言标题生成模型
第一节 背景
第二节 模型框架
第三节 实验
第四节 本章小结
第五章 基于增强学习的跨语言标题生成模型
第一节 背景
第二节 模型框架
第三节 实验
第四节 本章小结
第六章 总结与展望
第一节 主要贡献
第二节 未来工作展望
参考文献