基于深度学习的金融文书摘要自动生成研究与实现

发布时间：2021-09-27 19:31

　　金融文书的自然语言处理是目前金融科技领域的研究热点,相关研究大多数着眼于传统的分词和基于机器学习的语义场景分析这种有监督的学习方法,难以满足当前金融监管行业快速处理金融文本的需求。针对这一问题,本文构建了一个基于多层LSTM的中文金融文书摘要自动生成算法框架,通过Seq2Seq模型,基于注意力机制的强化学习框架,发现最优策略,对文本进行编码、解码,从LSTM编码器中抽取文本序列并输出摘要。实验结果表明,多层LSTM结构相比传统RNN的ROUGE值更高,具有较好的学习能力。 

【文章来源】：河南科技. 2019,(32)

【文章页数】：3 页

【文章目录】：
1 研究背景
2 金融文书摘要自动生成
    2.1 多层LSTM模型
    2.2 集束搜索
3 实验与仿真
    3.1 金融文书采集与处理
    3.2 实验参数设置
4 结果与分析
5 结论


【参考文献】：
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]基于神经网络的抽取式摘要系统的研究与实现[D]. 赵怀鹏.哈尔滨工业大学 2018
[3]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
[4]基于语义词向量的文本分类多文档自动摘要[D]. 李擎.北京邮电大学 2018
[5]基于主题的短文本自动摘要抽取研究与应用[D]. 陈晓萍.电子科技大学 2017



本文编号：3410499