结合层次序列特征和多粒度奖励的混合式中文摘要方法

摘要

任务是自然语言处理领域的一个重要研究方向，其目的是通过捕获源文档中的关键信息自动生成简洁、准确且连贯的摘要.过去，基于基本注意力的编解码模型被广泛用于自动文本摘要任务，但由于其对文本特征质量的高度依赖，生成的摘要缺乏准确性和连贯性，而所涉及的计算能力和所达到的性能难以满足当前的需求.本文提出的编解码模型中，采用的预处理方法不仅提高了输入文本数据的质量，而且使得模型更容易捕捉到文本的通用模式；提出的层次融合机制，增强了生成摘要与源文档之间的相关性，降低了重复单词出现的频率；此外，提出的多粒度梯度批判策略降低了序列预测过程中误差累积和传播，生成了更符合源文档主题的摘要.在中文公共数据集NLPCC2017数据集上的实验结果表明，所提出的模型在ROUGE评分上优于基线和一些最先进的模型.

关键词

历史注意力 / 策略学习 / 语义匹配融合 / 中文文本摘要

基金资助

国家自然科学基金项目(62266025)资助