计算机工程与科学

作者：宁珊, 严馨, 徐广义, 周枫 , 张磊,

单位：（1.昆明理工大学信息工程与自动化学院，云南 昆明 650504;2.昆明理工大学云南省人工智能重点实验室，云南 昆明 650504;3.云南南天电子信息产业股份有限公司,云南 昆明 650040）

关键词：文本摘要生成,滑动卷积网络,关键词信息融合,门控单元,全局编码 , ,

基金：国家自然科学基金（61562049,61462055）

针对现有基于seq2seq模型在生成摘要时容易出现语义无关的摘要词，同时没有考虑到关键词在摘要生成中的作用，提出一种融合关键词的中文新闻文本摘要生成方法。首先将源文本词依次输入到Bi-LSTM模型中；然后将得到的时间步隐藏状态输入到滑动卷积神经网络，提取每个词与相邻词之间的局部特征；其次利用关键词信息和门控单元对新闻文本信息进行过滤，去除冗余信息；再通过自注意力机制获得每个词的全局特征信息，最终编码得到具有层次性的局部结合全局的词特征表示；将编码得到的词特征表示输入到带有注意力机制的LSTM模型中解码得到摘要信息。该方法通过滑动卷积网络对新闻词的n-gram特征建模，在此基础上利用自注意力机制，获得具有层次性的局部结合全局的词特征表示。同时，考虑了关键词在新闻摘要生成中的重要作用，利用门控单元去除冗余信息，以获得更精准的新闻文本信息。在搜狗全网新闻语料上的实验表明，该方法能够有效提高摘要生成质量，能够有效地提高ROUGE-1、ROUGE-2、ROUGE-L值。

来源：2020年第12期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2020年第12期