基于图神经网络的中文长文本自动摘要系统研究与实现 |
您所在的位置:网站首页 › 自动摘要技术 › 基于图神经网络的中文长文本自动摘要系统研究与实现 |
基于图神经网络的中文长文本自动摘要系统研究与实现(学习中)
参考:基于图神经网络的中文医疗摘要生成 自然语言处理系列之文本自动摘要技术(七)基于神经网络的抽取式文档摘要方法 文本摘要自动生成综述 文本摘要简述 百度AI新闻摘要接口 自动文本摘要有: extractive(抽取式的)、abstractive(生成式的) 前者是比较主流、容易的方法 1.抽取式 即从文档中抽取已有的句子形成摘要,语句压缩、组合优化。 2.生成式 生成新的句子,难度更大。 抽取式文档摘要method:基于单一因素: 只考虑句子位置Lead Baseline:抽取一篇文档中前面几句话Coverage Baseline:轮流从不同文档中第一、第二、…,句话形成摘要。基于启发式规则: 基于经验性公式综合考虑少数几个因素 例如:centroid-based method (考虑了句子包含词语权重、句子位置、句子与首句相似度)基于神经网络: 可利用神经网络模型学习词语、句子的向量表示(抽象特征) 然后利用这些特征进行排序(多文档摘要) 还有很多方法,主要学习神经网络方法。 神经网络的方法来做抽取式文档摘要 利用神经网络学习到的特征进行排序神经网络的方法来做抽取式文档摘要,所有用分类方法和回归的方法都可以替换成神经网络。这里介绍北大和微软韦福如博士合作的一个工作,《Ranking with Recursive Neural Networks and Its Application to Multi-Document Summarization》(使用递归神经网络及其应用程序对多文档摘要进行排序),用神经网络学习句子的向量表示,把句子的向量表示这种抽样特征和传统的特征,放在一起对句子做重要性预测,得到句子重要性分数,基于这个分数去做摘要句子的选择。 基于编码器-解码器框架进行单文档摘要另外一篇工作是2017《Neural Extractive Summarization with Side Information》,它是用神经网络做抽取式文档摘要,也就是利用神经网络来抽取句子。这篇论文提出的方法是利用编码器-解码器框架进行单文档摘要。其中编码器是对原文编码得到一个语义表示,过程是先用CNN(卷积神经网络)对句子进行编码,然后在对句子序列用RNN(循环神经网络)进行编码,相当于对整个文档进行编码。得到文档后进行解码,解码并不是解出一个词,而是要解码出一个语义序列,语义序列的长度跟文档中句子的个数是一样的。在语义序列中句子如果是0就不应该在文档摘要中,如果是1就应该在文档摘要中。当得到语义序列的时候,就可以把序列中所有为1的句子提取出来放入到摘要中就可以了。虽然这个工作是利用编码器和解码器的框架,其实它输出的是对句子选择的结果 |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |