英文文本标题自动生成方法研究

发布时间：2021-10-06 19:15

　　近年来互联网的快速发展,人们每天都能接触到大量的文本,信息爆炸式增长产生了海量的数据。面对这些海量的文本数据,如何快速的浏览和选择所需要的内容,有效的节约阅读时间已成为一个迫在眉睫的问题。文本的摘要和标题能反映出文本的主要内容,让读者进行有效的筛选和阅读,自动生成文本摘要和标题在信息过载中具有非常重要的用途。随着深度学习的发展,生成式的自动文本标题模型被广泛使用。生成式方法依赖理解文本语义,对语义信息进行表达,从而生成标题。但由于机器本身不具备人类的语言能力去全面理解文本并生成概括核心内容的标题,因此,生成式的方法充满挑战性。序列到序列模型在多个自然语言处理任务上被广泛使用,同时也为文本标题生成任务提供了新的思路。基于序列到序列的标题生成模型要编码文本的语义信息,理解文本的语义关系,生成符合原文中心内容的标题。本文针对序列到序列模型开展英文文本标题生成的研究,主要研究工作如下:（1）基于句子级LSTM编码的标题生成。序列到序列的标题生成模型在编码阶段是对文本进行上下文语义信息表示,本文提出一种基于句子级LSTM编码的文本表示方法,并行对文本中每个单词编码表示,构建全局的句子级状态以及建... 

【文章来源】：山西大学山西省

【文章页数】：57 页

【学位级别】：硕士

【部分图文】：

不同窗口大小和循环步骤的ROUGE-LF1值

【参考文献】：
期刊论文
[1]基于Multi-head Attention和Bi-LSTM的实体关系分类[J]. 刘峰,高赛,于碧辉,郭放达.  计算机系统应用. 2019(06)
[2]基于序列到序列神经网络模型的古诗自动生成方法[J]. 黄文明,卫万成,邓珍荣.  计算机应用研究. 2019(12)
[3]近70年文本自动摘要研究综述[J]. 刘家益,邹益民.  情报科学. 2017(07)
[4]贪心算法的探讨与研究[J]. 常友渠,肖贵元,曾敏.  重庆电力高等专科学校学报. 2008(03)

硕士论文
[1]基于深度学习的摘要生成模型研究[D]. 陆亚男.电子科技大学 2019
[2]基于指针式网络生成新闻摘要的研究[D]. 郭倩.上海师范大学 2019
[3]神经网络在新闻标题生成中的研究[D]. 庞超.北京交通大学 2018



本文编号：3420593