[发明专利]一种增强语义相关性的文本摘要生成方法在审
| 申请号： | 201910981403.1 | 申请日： | 2019-10-16 |
| 公开（公告）号： | CN110765264A | 公开（公告）日： | 2020-02-07 |
| 发明（设计）人： | 刘博;申利彬 | 申请（专利权）人： | 北京工业大学 |
| 主分类号： | G06F16/34 | 分类号： | G06F16/34;G06F16/33;G06F16/36;G06F40/30;G06F40/247 |
| 代理公司： | 11203 北京思海天达知识产权代理有限公司 | 代理人： | 刘萍 |
| 地址： | 100124 *** | 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： | 一种增强语义相关性的文本摘要生成方法属于文本生成领域。首先将海量中文数据进行去噪等预处理，然后将摘要经过预训练网络，获取文本对应的词向量，将需要做摘要的文章转为词向量送模型Encoder端进行特征表示。最后在模型Decoder端，将生成的摘要向量与预训练计算相似度与模型的LOSS值结合，进行模型的梯度计算。预训练向量有很好表达文本语义的能力，本发明将预训练向量与模型生成向量进行结合，不但可以减轻模型提取特征的压力，还可以保证模型生成的摘要语义与原文相同，解决生成摘要与原文不相关的问题。 | ||
| 搜索关键词： | 向量 语义 模型生成 词向量 原文 预处理 文本 计算相似度 模型提取 特征表示 梯度计算 文本生成 文本语义 训练网络 摘要生成 去噪 中文 保证 | ||
【主权项】：
1.一种增强语义相关性的文本摘要生成方法，其特征在于，包括以下步骤：/n步骤1、获取相关需要生成摘要的文本数据，并进行文本数据处理；/n步骤2、对处理好的文本，构建相关字典，每个词对应一个唯一id，设置词向量维度，随机初始化所有词向量；/n步骤3、将需要做摘要的文章向量与预训练向量进行融合，然后送入Encoder端；/n步骤4、Decoder端最终生成的摘要向量，与预训练摘要向量进行余弦相似度计算，构造Loss损失函数。/n
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工业大学，未经北京工业大学许可，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/201910981403.1/，转载请声明来源钻瓜专利网。
