[发明专利]基于seq2seq模型的结构化论点生成方法及系统

权利要求书

1.一种基于seq2seq模型的结构化论点生成方法，其特征在于，包括以下步骤：

对数据进行预处理，以对seq2seq模型的输入建立句对；

接收输入主题，并通过向量转换将词转换得到词向量；

将所述词向量输入所述seq2seq模型的编码器中进行运算和编码，以得到语境向量，并且对所述语境向量采用注意力机制；

通过所述seq2seq模型的解码器对经过注意力机制处理的语境向量进行解码，生成与所述输入主题相关的主分论点，并根据所述主分论点得到所述主分论点下面的多个次分论点。

2.根据权利要求1所述的基于seq2seq模型的结构化论点生成方法，其特征在于，所述编码器为第一循环神经网络RNN结构，所述RNN结构为神经网络在时间上的展开。

3.根据权利要求1所述的基于seq2seq模型的结构化论点生成方法，其特征在于，所述对所述语境向量采用注意力机制，进一步包括：

对所述语境向量乘以权重向量，其中，所述权重向量根据时间得到。

4.根据权利要求1所述的基于seq2seq模型的结构化论点生成方法，其特征在于，所述解码器为第二RNN结构，其中，在结构的最后一层通过softmax函数生成在时间节点上的词的概率分布，并根据概率的大小选择所述时间节点上生成的词，从而根据生成的句子与源所对应的目标句子进行交叉熵的计算，并利用神经网络的反向传播机制，以调节网络的参数，完成网络的学习过程。

5.根据权利要求1-4任一项所述的基于seq2seq模型的结构化论点生成方法，其特征在于，还包括：

对所述多个次分论点的每个次分论点进行评价，得到评价分；

根据所述评价分计算每个句子的平均分和总平均分，以确定效果是否达到预期。

6.一种基于seq2seq模型的结构化论点生成系统，其特征在于，包括：

预处理模块，用于对数据进行预处理，以对seq2seq模型的输入建立句对；

转换模块，用于接收输入主题，并通过向量转换将词转换得到词向量；

编码模块，用于将所述词向量输入所述seq2seq模型的编码器中进行运算和编码，以得到语境向量，并且对所述语境向量采用注意力机制；

解码模块，用于通过所述seq2seq模型的解码器对经过注意力机制处理的语境向量进行解码，生成与所述输入主题相关的主分论点，并根据所述主分论点得到所述主分论点下面的多个次分论点。

7.根据权利要求6所述的基于seq2seq模型的结构化论点生成系统，其特征在于，所述编码器为第一循环神经网络RNN结构，所述RNN结构为神经网络在时间上的展开。

8.根据权利要求6所述的基于seq2seq模型的结构化论点生成系统，其特征在于，所述编码模块还用于对所述语境向量乘以权重向量，其中，所述权重向量根据时间得到。

9.根据权利要求6所述的基于seq2seq模型的结构化论点生成系统，其特征在于，所述解码器为第二RNN结构，其中，在结构的最后一层通过softmax函数生成在时间节点上的词的概率分布，并根据概率的大小选择所述时间节点上生成的词，从而根据生成的句子与源所对应的目标句子进行交叉熵的计算，并利用神经网络的反向传播机制，以调节网络的参数，完成网络的学习过程。

10.根据权利要求6-9任一项所述的基于seq2seq模型的结构化论点生成系统，其特征在于，还包括：

评价模块，用于对所述多个次分论点的每个次分论点进行评价，得到评价分；

计算模块，用于根据所述评价分计算每个句子的平均分和总平均分，以确定效果是否达到预期。