基于深度神经网络的文本自动摘要研究

发布时间：2024-02-04 06:38

　　文本自动摘要是人工智能和自然语言处理领域的一个重要任务和研究热点。随着互联网上信息的爆炸式增长,人们对文本自动摘要系统的需求也越来越广泛。越来越多的新场景和新任务对摘要系统都提出了更高的要求,例如搜索引擎、智能音箱和智能手机助理等等。对文本自动摘要领域的持续研究使摘要系统的性能增长到了一个新的高度。摘要系统的构建从基于启发式规则的方法,发展到基于特征工程的统计机器学习方法,再过渡到了近年来基于深度神经网络的方法。其中深度神经网络作为一种新的机器学习技术,其强大的表征学习能力、自动建立输入与输出之间复杂对应关系的能力等优势都给文本自动摘要的研究带来了新的发展契机。然而,现有工作中仍存在着一些亟待解决的研究问题。因此,本文着眼于这些关键问题,基于深度神经网络技术,探索如何更好地进行文本自动摘要任务建模,进而提高摘要系统的性能。具体地,本文以句子摘要和文档摘要为主线,对其中重要性的建模和摘要构建过程这两个核心问题中的四个重要具体问题进行了研究。第一,本文针对生成式句子摘要对输入中的重要信息建模不充分的问题,提出了一种选择性编码机制。对句子摘要任务而言,其目的是将原文中的重要信息选择出来并产生...

【文章页数】：125 页

【学位级别】：博士

【部分图文】：

图1-1Conroy和O’leary[6]中抽取三个句子的HMMFig.1-1SummaryextractionMarkovModeltoextract3sentencesinConroyandO’leary[6]

哈尔滨工业大学工学博士学位论文系统，作者人工标注了抽取式摘要。图1-1Conroy和O’leary[6]中抽取三个句子的HMMFig.1-1SummaryextractionMarkovModeltoextract3sentencesinConroyandO’leary[6]Ca....

图1-2带有注意力机制的序列到序列模型示意图

哈尔滨工业大学工学博士学位论文些基于句法树编辑的方法进行简单的生成。而深度神经网络对语言有强大的建模能力，因此近几年来，深度学习技术在文本生成技术的研究中获得了大量应用。作为自然语言生成中的一个问题，基于深度学习的生成式文本摘要也在近年来逐渐引起广大研究人员的重视。现有的基于神经....

图4-1CNN/DailyMail数据中一个输入文档-摘要数据对对应网页的部分截图

第4章基于层次化子句建模的文档摘要抽缺。在本章的评价中，BERT-SENT借鉴了Liu等人[110]的模型结构，但是移除了交替的片段指示向量（intervalsegmentembeddings），因为其不能带来实质性的效果提升。4.2.1数据集在本章中，参考部分前人工作[67,7....

图1教学内容总体结构

这些任务对理论知识和专业实践能力有更高的要求，往往需要多名学生相互协助共同完成，包括文献查阅、综述总结、追踪(研究)趋势、小组讨论、搭建原型、学生宣讲等环节，最后以陈述报告和书面报告的形式提交，整个过程涉及学生的团队协作、逻辑思维、表达和创新等能力的培养[4]。表1高阶任务内容....

本文编号：3895384