[发明专利]一种基于语义相关度模型的中文文本摘要获取方法有效
| 申请号： | 201710397540.1 | 申请日： | 2017-05-31 |
| 公开（公告）号： | CN107291836B | 公开（公告）日： | 2020-06-02 |
| 发明（设计）人： | 孙栩;马树铭;许晶晶 | 申请（专利权）人： | 北京大学 |
| 主分类号： | G06F16/34 | 分类号： | G06F16/34;G06F40/30 |
| 代理公司： | 北京万象新悦知识产权代理有限公司 11360 | 代理人： | 黄凤茹 |
| 地址： | 100871*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公布了一种基于语义相关度模型的中文文本摘要获取方法，设计文本编码器利用深度神经网络将原文本进行压缩，得到原文本的编码向量；设计摘要解码生成器生成摘要的解码向量；再通过构建语义相关度模型，得到原文本的编码向量和摘要的解码向量之间的相关度，作为原文本和生成摘要之间相关性的度量；再通过训练语义相关度模型最大化所述相关度，由此生成完整的摘要。使用本发明技术方案生成文本摘要，能够提高生成摘要的质量和准确度，尤其提高生成摘要与原文本的语义相关度。 | ||
| 搜索关键词： | 一种 基于 语义 相关 模型 中文 文本 摘要 获取 方法 | ||
【主权项】：
一种基于语义相关度模型的中文文本摘要获取方法，通过构建语义相关度模型，得到原文本的编码向量和摘要的解码向量之间的相关度，作为原文本和生成摘要之间相关性的度量；再通过训练语义相关度模型最大化所述相关度，由此生成完整的摘要；包括如下步骤：A.设计文本编码器，所述文本编码器利用深度神经网络将原文本进行压缩，得到原文本的编码向量Vs；B.设计摘要解码生成器，在第一个时刻输入原文本的编码向量Vs和起始句子开始的标识符，利用深度神经网络循环地在每一时刻输入上一个时刻预测得到的字或标识符，经过网络结构输出当前时刻预测的字，经过多次循环得到多个连续的字，即为一段完整的摘要；解码生成器还同时生成上述完整摘要的解码向量Vt；C.构建语义相关度模型，得到两个向量Vs与Vt之间的相关度，作为原文本和生成摘要之间相关性的度量；D.训练语义相关度模型，即最大化步骤C得到的相关度；E.经过多轮训练，当步骤C得到的相关度最大化时停止训练，此时解码生成器即生成完整的摘要。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京大学，未经北京大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710397540.1/，转载请声明来源钻瓜专利网。
- 上一篇：一种搜索词的推荐方法和装置
- 下一篇：一种基于领域适应性的网络文本的分词方法
