基于深度学习的多实体关系识别及自动文本摘要方法研究与实现

发布时间：2024-04-02 20:35

　　实体关系识别和自动文本摘要作为目前信息抽取领域的两个典型应用被越来越多的学者所关注。其中,实体关系识别任务是从文本中识别出实体词及实体词间的关系,但目前的研究大都针对简单场景展开,如一句话只包含一个关系的情况,而鲜有对复杂场景的深入探讨。自动文本摘要任务通过对输入文本进行语义分析形成摘要来提高用户的阅读效率,但目前针对自动文本摘要的研究仍然面临较多挑战,包括生成摘要的可读性差、生成摘要和原始文本的核心内容不符、生成摘要中重复元组较多等问题。针对上述两个任务存在的问题,本论文提出了基于多标签技术的多实体关系识别方法用以处理复杂场景的实体关系识别任务;提出了基于累积注意力机制的自动文本摘要方法在生成摘要的可读性、与原文内容相关度等指标上进行提升,具体包括如下三点工作:(1)提出了一种新的基于多标签技术的多实体关系识别方法,以提升在复杂场景下的实体关系识别性能。该方法结合新的多标签损失函数和Sigmoid损失函数来共同训练网络,使得在多标签分类过程中引入更多的标签关联信息,同时针对样本不平衡问题进行权重优化以提高模型的学习能力。本论文在实体关系识别公开数据集NYT上进行了实验论证,结果显示本...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
中英文缩略词对照表
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 实体关系识别任务国内外研究现状
        1.2.2 实体关系识别任务存在问题及研究挑战
        1.2.3 自动文本摘要任务国内外研究现状
        1.2.4 自动文本摘要任务存在问题及研究挑战
    1.3 研究内容概述
    1.4 论文结构
第二章 实体关系识别任务及相关技术
    2.1 实体关系识别任务概述
    2.2 评测标准
    2.3 数据集和工具
    2.4 本章小结
第三章 基于多标签技术的多实体关系识别模型
    3.1 基于多标签技术的多实体关系识别模型研究与实现
        3.1.1 具体研究挑战
        3.1.2 整体解决方案
        3.1.3 主要研究内容
        3.1.4 关键技术
    3.2 实验设置及结果分析
        3.2.1 实验数据集介绍
        3.2.2 实验模型设置
        3.2.3 实验结果分析
    3.3 本章小结
第四章 自动文本摘要任务及相关技术
    4.1 自动文本摘要任务概述
    4.2 评测标准
    4.3 数据集和工具
    4.4 本章小结
第五章 基于累积注意力机制的自动文本摘要模型
    5.1 基于累积注意力机制的自动文本摘要模型研究与实现
        5.1.1 具体研究挑战
        5.1.2 整体解决方案
        5.1.3 主要研究内容
        5.1.4 关键技术
    5.2 实验设置及结果分析
        5.2.1 实验数据集介绍
        5.2.2 实验模型设置
        5.2.3 实验结果分析
    5.3 本章小结
第六章 多实体关系识别及自动文本摘要演示平台搭建
    6.1 关键技术
    6.2 整体框架
        6.2.1 数据存储模块
        6.2.2 模型处理模块
        6.2.3 Web后台及UI模块
    6.3 平台演示
    6.4 本章小结
第七章 总结与展望
    7.1 工作总结
    7.2 研究与展望
参考文献
致谢
攻读学位期间发表的学术论文目录
专利申请情况



本文编号：3946168