基于指针式网络生成新闻摘要的研究

发布时间：2021-12-19 19:03

　　在信息爆炸的互联网大数据时代,如果能用简短的文本来表达信息的主要内容,无疑将有利于缓解信息过载的问题。因此利用计算机自动总结出文本的主要内容对于节省人力资源以及缓解信息过载问题有着重要意义。文本摘要的应用场景主要有生成自动报告、生成新闻标题、搜索文本结果预览等。目前,文本摘要可以分为两类:抽取式文本摘要和抽象式文本摘要。抽取式文本摘要直接从原文本中抽取一些句子组成摘要。其实质就是排序算法,通过给每个句子打分,选出得分最高的句子,再做一些去冗余来生成摘要。抽象式文本摘要,试图先去理解原文的意思,然后争取概括出原文的意思生成文本摘要,这种方式最符合人工生成的文本摘要,也是研究抽象式文本摘要的意义所在。关于抽象式文本摘要的研究是自然语言处理研究的一项重要分支,近几年随着深度学习的不断深入与深度学习框架技术的成熟,利用深度学习的方法生成抽象式文本摘要更是一项具有重要研究价值的任务。先前的研究成果大多是基于传统统计学的方法生成的抽取式的文本摘要,这种方法主要是从原文本中对句子进行抽取与重排,采用这种方法会导致两大问题。第一,生成的文本摘要出现忽略大量的文本细节。第二,生成的句子会出现重复问题,更... 

【文章来源】：上海师范大学上海市

【文章页数】：57 页

【学位级别】：硕士

【部分图文】：

整体实验工作流程图

RNNs 模型结构网络（Recurrent Neural Networks，RNNs）最早于 19出的霍普菲尔德网络。由于霍普菲尔德网络实现比较得到适当的应用。该网络在 1986 年后就被全连接网算法所取代。的 RNNs 结构全连接神经网络最大的不同就是：全连接神经网络的，每层之间是相互连接的，并且隐藏层各节点之间并络的隐藏层的各节点之间互相连接。隐藏层的这种结信息的记忆，并把这种记忆应用于当前的输出计算仅包含输入层的输出还包括上一时刻隐藏层的输出序列数据就能够处理的很好，能够记住之前输入进网践应用中只假设当前的计算状态只与前面的几个状元如图 2-1 所示：o

图 2-3 LSTM 内部的隐藏单元门结构的变种络[7]网络中，信息流的方向都是从前向后单向传刻的输出不仅和隐藏层之前的状态有关系然语言处理中的文本预测问题，就需要用NN）来解决。双向循环神经网络的信息流循环神经网络叠加在一起构成的。输出由。双向循环神经网络的结构图如图 2-4 所示

【参考文献】：
期刊论文
[1]面向阅读理解复杂问题的句子融合[J]. 谭红叶,赵红红,李茹.  中文信息学报. 2017(01)
[2]利用JNI实现ICTCLAS系统的Java调用[J]. 夏天,樊孝忠,刘林.  计算机应用. 2004(S2)

硕士论文
[1]基于深度学习的文本摘要生成研究[D]. 阮彤枭.西安电子科技大学 2018



本文编号：3544903