[发明专利]一种应用于阅读机器人的摘要生成方法及系统

说明书

本发明公开了一种应用于阅读机器人的摘要生成方法及系统；包括如下步骤：一、候选摘要抽取单元，在训练集中抽取与当前文章最相似的文章的摘要作为候选摘要；二、框架选择单元，使用框架关系、框架相似度两种度量方法筛选出文章中的重要框架；三、框架编码单元，获取框架的向量表示；四、文章编码单元，获取文章的向量表示；五、框架与文章交互单元，计算框架与文章之间的相互影响，得到最终的文章表示；六、解码单元，根据得到的文章表示生成摘要。本发明首次引入框架语义信息，将其融入到摘要生成模型中，计算了框架与文章之间的相互影响，有效的提升了摘要生成结果。本发明方法思路结构清晰，效果明显，可扩展性强。

技术领域

本发明属于自然语言处理研究领域，具体涉及一种应用于阅读机器人的摘要生成方法及系统。

背景技术

摘要是全面准确地反映某一文本主要内容的简单连贯短文。自动文摘是利用计算机自动地从原始文本中提取摘要，旨在为用户提供文本的简短表示，方便用户快速高效的获取文本信息。该技术广泛应用于各大领域，如军事、公共安全、企业、出版、医疗等。同时面对数据的爆炸式增长，文本摘要生成逐渐成为自然语言处理(NLP)方面的一个热点。

文本摘要技术早期主要是一些基于特征的方法。Knight,K.；and Marcu,D.2002.Summarization beyond sentence extraction:A probabilistic approach tosentence compression.Artificial Intelligence 139(1):91–107.针对摘要生成问题，在解码过程中，借助句法分析工具将文章解析为句法树，然后对句法树进行排序和裁剪，得到最终的文本表示。Zhou,L.；and Hovy,E.2004.Template-filtered headlinesummarization.In Text Summarization Branches Out,56–60.针对标题生成问题，构建了大量的摘要模板及词库，使用不同的规则将词库中的词填充到固定的模板中形成摘要。

近年来，随着大规模数据集的涌现、高性能计算的快速发展，基于深度学习的文本摘要逐渐成为一个研究热点。基于神经网络的方法主要使用编码-解码结构，例如：Rush,A.M.；Chopra,S.；and Weston,J.2015.A Neural Attention Model for AbstractiveSentence Summarization.In Proceedings of the 2015Conference on EmpiricalMethods in Natural Language Processing,379–389.该论文使用了一种局部注意力机制，在生成文档表示的时候考虑了当前解码状态向量的影响。See,A.；Liu,P.J.；andManning,C.D.2017.Get to the point:Summarization with pointer-generatornetworks.arXiv preprint arXiv:1704.04368.针对摘要生成过程中的未登录词和重复问题，分别提出了拷贝机制和覆盖机制，使得模型可以直接从原始输入中复制重要的词，同时防止重复问题。