基于Transformer和TextRank的微博观点摘要方法

作     者：孙旭 沈彬 严馨 张金鹏 徐广义 SUN Xu;SHEN Bin;YAN Xin;ZHANG Jinpeng;XU Guangyi

作者机构：昆明理工大学信息工程与自动化学院云南昆明650500 云南省人工智能重点实验室(昆明理工大学)云南昆明650500 云南大学信息学院云南昆明650091 云南财经大学信息学院云南昆明650221 云南南天电子信息产业股份有限公司云南昆明650040 

出 版 物：《广西师范大学学报（自然科学版）》 (Journal of Guangxi Normal University:Natural Science Edition)

年 卷 期：2023年第41卷第4期

页      面：96-108页

学科分类：08[工学] 081203[工学-计算机应用技术] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(U21B2027,61972186) 云南省重点研发计划(202103AA080015) 云南省基础研究计划(202001AS070014) 云南省科技人才与平台计划(202105AC160018)。 

主　　题：情感特征 观点摘要 语义聚类 摘要抽取 Transformer TextRank 

摘      要：针对已有研究没有考虑微博文本之间情感关联的问题,本文提出基于Transformer和TextRank的微博观点摘要方法。首先通过Transformer中的编码器和量化空间部分对文本的字向量进行编码和量化;然后根据量化结果实现语义聚类来划分微博文本集的观点类别,并选取重要的类别进行摘要抽取;之后将情感特征向量和微博文本的特征向量进行拼接;接着在每个类别中使用融入情感特征的TextRank算法,将抽取出的权重最高的微博文本作为摘要文本;最后将所有类别下最具有代表性的摘要文本相结合,得到最终的微博观点摘要。实验结果表明:在加入情感极性影响因子后,相比于基线方法,本文方法的各项ROUGE值均有明显地提升,Rouge-1、Rouge-2和Rouge-SU4的F-measure值最高达到0.4937、0.2555、0.2706,证明本文方法对于微博观点摘要抽取任务是有效的。