CN114781376B 一种基于深度学习的新闻文本摘要生成方法 （浙江工业大学）_第1页
CN114781376B 一种基于深度学习的新闻文本摘要生成方法 （浙江工业大学）_第2页
CN114781376B 一种基于深度学习的新闻文本摘要生成方法 （浙江工业大学）_第3页
CN114781376B 一种基于深度学习的新闻文本摘要生成方法 （浙江工业大学）_第4页
CN114781376B 一种基于深度学习的新闻文本摘要生成方法 （浙江工业大学）_第5页
已阅读5页，还剩9页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于深度学习的新闻文本摘要生成方法一种基于深度学习的新闻文本摘要生成方取式与生成式摘要模型对新闻文本进行摘要生23)文本摘要生成方法使用的是抽取+生成的策略，先使用抽取式模型从新闻文本抽取4)抽取式模型采用Bert网络模型获取句子表示，Inter-sentenceTrn其中l表示TransformerEncoderlayer的层数，MHAtt是对TransformerEncoder4.4)生成式模型的解码器端首先对上一层的输出y做一次selfattention操作，其次利用CrossAttention机制关注指导信号并生成相应表示y1，然后再经过一个Cross3y6)生成摘要时将一段新闻文本先输入到抽取式模型中，抽取出模型认为的候选摘要，4生成摘要技术是自然语言处理领域重要研究内容之一，其通过计算机对文本或者文本集要(Extractive)和生成式摘要(Abstractive)。抽取式摘要方法是将自动文摘简单的看成5[0010]3)文本摘要生成方法使用的是抽取+生成的策略，先使用抽取式模型从新闻文本隐藏表示H＝[h1,h2,……hm],进一步获取每个句子句首的clstoken的隐藏表示T＝[T1,gm]分别输入给生成式模型的两个编码器Bert模型，分别得到隐藏表示Hx＝[hx1,hx2,…,[0021]4.4)生成式模型的解码器端首先对上一层的输出y做一次selfattention操作，其次利用CrossAttention机制关注指导信号并生成相应表示y1，然后再经过一个Cross6[0029]本发明的有益效果为：结合了抽取式+生成式的摘要生成，互相弥补了各自的缺生成确定格式的标注文本作为训练数据和验[0035]3)文本摘要生成方法使用的是抽取+生成的策略，先使用抽取式模型从新闻文本隐藏表示H＝[h1,h2,……hm],进一步获取每个句子句首的clstoken的隐藏表示T＝[T1,7gm]分别输入给生成式模型的两个编码器Bert模型，分别得到隐藏表示Hx＝[hx1,hx2,…,[0046]4.4)生成式模型的解码器端首先对上一层的输出y做一次selfattention操作，其次利用CrossAttention机制关注指导信号并

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论