基于深度学习的摘要生成模型研究

发布时间：2021-07-31 12:42

　　在信息爆炸的大数据时代,文本信息是人们获取信息的主要来源,每天人们都要花费大量的时间和精力去阅读文本。伴随着计算机计算能力的飞跃,如果能让计算机自动用简短的文本来表达长文本的主要内涵,无疑将有利于缓解信息过载的问题并且节省大量的人力资源。因此文本摘要技术应运而生。目前主流的自动文本摘要技术有两种方式,一种是抽取式,另一种是生成式。抽取式,就是从原文抽取跟中心思想最接近的一条或几条句子作为摘要。而生成式是计算机在阅读并理解整篇文档中心思想的基础上,重新生成摘要。随着深度学习的发展,2014年Google Brain团队提出了sequence-to-sequence模型,开启了NLP中端到端网络的研究,该模型也成为了生成式文本摘要的主流研究方向。然而sequence-to-sequence摘要生成模型仍然存在着未登录词和重复等问题。本文便针对这些问题提出改进算法,对生成式摘要技术进行研究,主要在以下几个方面展开:1、构建了基于注意力机制和束解码搜索算法的sequence-to-sequence摘要生成模型为后面的研究打下基础。在Encoder-Decoder框架的基础上,使用双向RNN作为... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

典型的神经元激活函数

RNN模型展开图

LSTM结构图

【参考文献】：
博士论文
[1]基于深度神经网络的文本表示及其应用[D]. 户保田.哈尔滨工业大学 2016

硕士论文
[1]基于深度学习的生成式自动摘要技术研究[D]. 郭洪杰.哈尔滨工业大学 2018
[2]基于seq2seq框架文本摘要的研究与实现[D]. 孙嘉伟.北方工业大学 2018
[3]基于深度学习的中文单文档自动文摘方法研究[D]. 王炜.华中师范大学 2018
[4]基于LSTM的自动文本摘要技术研究[D]. 洪冬梅.华南理工大学 2018



本文编号：3313489