[发明专利]一种自动文本摘要生成方法、系统、计算机设备和存储介质

权利要求书

1.一种自动文本摘要生成方法，其特征在于，所述方法包括以下步骤：

获取原始文本和神经网络模型；

将原始文本进行切分和压缩，得到新的文本表示；

将新的文本经过句子特征向量抽取，得到文本向量矩阵；

将文本矩阵输入至双向长短记忆神经网络模型中，将文本矩阵编码成文本语义矩阵；

将文本语义矩阵输入至注意力模型和长短记忆神经网络模型中，将文本语义矩阵解码成文本向量矩阵，文本向量反映射得到文本摘要。

2.如权利要求1所述的自动文本摘要生成方法，其特征在于，所述将原始文本进行切分和压缩的步骤包括：

将文本以句子为单位进行切分，生成句子集合；

统计句子长度，并计算句子平均长度；

对于长度大于句子平均长度两倍的句子进行再切分；

更新句子集合，并将句子集合中文本长度小于3的句子去掉。

3.如权利要求1所述的自动文本摘要生成方法，其特征在于，所述将新的文本经过句子特征向量抽取，得到文本向量矩阵的步骤包括：

通过中文语言特征，构建7个句子特征；

计算每个句子的7个特征得分，组成一维向量表示每一个句子；

句子的向量组合成二维向量得到句子的向量矩阵表示。

4.如权利要求1所述的自动文本摘要生成方法，其特征在于，将文本矩阵输入至双向长短记忆神经网络模型中，将文本矩阵编码成文本语义矩阵的步骤包括：

编码器依次接收每个文本的向量化表示；

编码器输出语义向量V。

5.如权利要求1所述的自动文本摘要生成方法，其特征在于，所述将文本语义矩阵输入至注意力模型和长短记忆神经网络模型中，将文本语义矩阵解码成文本向量矩阵，文本向量反映射得到文本摘要的步骤包括：

解码器输入BOS，即文本的开始，根据BOS和语义向量V预测下一轮使用每个句子的概率，挑选概率最大的句子；

将概率最大的句子和语义向量V输入到解码器，得到下一轮的概率最大的句子，如此循环，直到得到EOS，即句子的结尾，文本摘要生成结束。

6.如权利要求3所述的句子特征向量抽取，其特征在于，所述通过中文语言特征，构建7个句子特征并得到句子特征向量的步骤包括：

对文本进行一些必要的预处理，首先将句子按照单词为单位分词，接着去除无用的功能词，然后重新合并单词组成新的句子；

综合文本句子摘要抽取的多种影响因素，选取影响效果最好的7种特征，7个特征分别是：句子相关度、句子与中心句的相似度、句子中包含关键词个数、句子中包含领域实体名词个数、句子信息度、句子长度、句子位置特征向量，对这些特征进行数学化转化，构建合理的公式，接着对每一个句子计算特征得分，每个句子得到7个特征得分构成句子特征向量。

7.一种自动文本摘要生成系统，其特征在于，所述系统包括：

样本获取模块，用于获取原始的中文长文本和神经网络模型；

文本预处理模块，用于将原始文本进行初步压缩处理，将无用的句子去掉，并通过句子再切分工作，将原始文本表示成句子集合；

文本特征表示模块，用于将句子集合中每一个句子用一维向量表示，生成文本的二维特征向量矩阵；

语义向量生成模块，用于通过神经网络模型构建文本中句子语义联系，生成文本的语义向量；

自动文本摘要生成模块，用于通过神经网络模型将语义向量和输入向量预测下一个输入向量，迭代生成输出句子特征向量，直到生成文本结束符号，最后将生成的所有句子特征向量转换成文字符号，即得到生成的文本摘要。

8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一所述方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一所述方法的步骤。