文本自动摘要及其在航空安全报告中的应用研究

发布时间：2023-06-16 18:57

　　航空安全报告数据量大,篇幅较长,且涉及民航生产的方方面面,全部阅读并理解这些报告需要丰富的专业领域知识和较长的报告阅读时间,人力和时间上的投入较大。本文尝试研究基于深度学习方法的自动文本摘要技术,并将其应用于航空安全报告的自动摘要生成,可以节省大量人力去做读写工作,在一定程度上减少了工作时间,也解决了人工生成摘要成本高的问题。本文基于生成对抗网络和强化学习方法,对解决文本自动摘要生成问题进行了研究,系统总结了常用自动文本摘要模型,提出了两种生成方法。主要研究工作如下:1、针对有监督的深度神经网络方法,在航空安全报告生成中存在错误累积,生成摘要准确率低等问题,提出一种基于强化对抗思想训练的文本自动摘要生成模型。通过将生成对抗网络鉴别器作为强化学习的奖励函数及时指导生成模型优化,尽量避免错误累积;通过在航空安全报告生成过程中加入目标指导特征,帮助摘要生成模型获取更多文本结构知识,提升摘要生成模型真实性。在合成数据和航空安全报告数据集上的实验结果表明,该方法在航空安全报告自动摘要生成任务中,较之前的摘要生成模型在准确率和可读性上有了进一步的提高。2、针对基于强化对抗思想训练的模型,在面对航空...

【文章页数】：52 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 主要工作和章节安排
第二章 相关技术基础概述
    2.1 序列到序列Seq2seq模型介绍
    2.2 卷积神经网络模型
    2.3 生成对抗网络模型
    2.4 强化对抗的思想介绍
    2.5 本章小结
第三章 加入目标指导的强化对抗文本摘要生成模型
    3.1 加入目标指导的强化对抗文本摘要生成模型
        3.1.1 整体流程
        3.1.2 用鉴别器D_φ泄漏特征作为指导信号
        3.1.3 生成过程
        3.1.4 结合强化对抗思想的训练方法
    3.2 实验与分析
        3.2.1 合成数据实验
        3.2.2 真实数据实验
    3.3 本章小结
第四章 基于循环生成对抗网络的文本摘要生成模型
    4.1 基于强化对抗思想训练的摘要生成模型的信息丢失问题
    4.2 基于循环生成对抗网络的文本摘要生成模型
        4.2.1 使用循环一致性约束的循环生成对抗网络
        4.2.2 模型定义
        4.2.3 生成过程
    4.3 实验与分析
        4.3.1 实验数据
        4.3.2 超参数设置
        4.3.3 对比方法
        4.3.4 实验结果与分析
        4.3.5 消融分析
        4.3.6 案例分析
    4.4 本章小结
第五章 总结与展望
    5.1 本文的主要工作和创新点
    5.2 进一步的工作和展望
致谢
参考文献
作者简介



本文编号：3833792