检索结果-南通市图书馆

电子学报 2024年

作者：郭哲张智博周炜杰樊养余张艳宁西北工业大学电子信息学院西北工业大学空天地海一体化大数据应用技术国家工程实验室

当前基于深度学习的中文长文本摘要生成的研究存在以下问题：（1）生成模型缺少信息引导，缺乏对关键词汇和语句的关注，存在长文本跨度下关键信息丢失的问题；（2）现有中文长文本摘要模型的词表常以字为基础，并不包含中文常用词语与... 详细信息

当前基于深度学习的中文长文本摘要生成的研究存在以下问题：（1）生成模型缺少信息引导，缺乏对关键词汇和语句的关注，存在长文本跨度下关键信息丢失的问题；（2）现有中文长文本摘要模型的词表常以字为基础，并不包含中文常用词语与标点，不利于提取多粒度的语义信息.针对上述问题，本文提出了融合引导注意力的中文长文本摘要生成（Chinese Long text Summarization with Guided Attention,CLSGA）方法.首先，针对中文长文本摘要生成任务，利用抽取模型灵活抽取长文本中的核心词汇和语句，构建引导文本，用以指导生成模型在编码过程中将注意力集中于更重要的信息.其次，设计中文长文本词表，将文本结构长度由字统计改变至词组统计，有利于提取更加丰富的多粒度特征，进一步引入层次位置分解编码，高效扩展长文本的位置编码，加速网络收敛.最后，以局部注意力机制为骨干，同时结合引导注意力机制，以此有效捕捉长文本跨度下的重要信息，提高摘要生成的精度.在四个不同长度的公共中文摘要数据集LCSTS（大规模中文短文本摘要数据集）、CNewSum（大规模中国新闻摘要数据集）、NLPCC2017和SFZY2020上的实验结果表明：本文方法对于长文本摘要生成具有显著优势，能够有效提高ROUGE-1、ROUGE-2、ROUGE-L值.

关键词：自然语言处理中文长文本摘要生成引导注意力层次位置分解编码局部注意力

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：