隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展,信息的指數(shù)級爆炸導(dǎo)致人們難以高效獲得信息資源,自動文本摘要技術(shù)也因此得到了廣泛的關(guān)注。與常見的單文檔摘要問題不同,會議文本存在單人發(fā)言和多人對話兩種不同的形式,且存在信息冗余與內(nèi)容不連貫等特點。特別是在當(dāng)前疫情狀況下,在線會議的需求暴增,會議的自動摘要變得更加重要。抽取式摘要又比生成式摘要有著穩(wěn)定性好、可讀性強等優(yōu)點。本文針對面向會議紀(jì)要的抽取式摘要生成研究這一課題,提出了兩種不同結(jié)構(gòu)的抽取式摘要模型與融合模型,并面向?qū)υ掝悤h提出了一種新穎的用戶特征建模方法。主要包含以下三個方面內(nèi)容:基于多任務(wù)學(xué)習(xí)的序列抽取模型、基于強化學(xué)習(xí)的端到端句子抽取模型和基于條件變分自編碼器的用戶特征建模技術(shù)。基于多任務(wù)學(xué)習(xí)的序列抽取技術(shù)使用了一種序列抽取模型,且考慮到更好的利用輸入文本的段落信息,基于序列抽取模型又使用了多任務(wù)學(xué)習(xí)進(jìn)行共同訓(xùn)練,一定程度上共享相關(guān)信息,以提升目標(biāo)任務(wù)。實驗結(jié)果表明基于多任務(wù)學(xué)習(xí)的序列抽取模型在本課題數(shù)據(jù)集上達(dá)到了令人滿意的效果,證明了該方法的有效性�；趶娀瘜W(xué)習(xí)的端到端句子抽取模型使用了一種與基于多任務(wù)學(xué)習(xí)的序列抽取技術(shù)不同的模型結(jié)構(gòu),該模型使用編碼器...

【文章頁數(shù)】：57 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究意義
        1.1.1 課題背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 抽取式摘要方法
        1.2.2 用戶特征建模技術(shù)
        1.2.3 國內(nèi)外研究現(xiàn)狀簡析
    1.3 本文研究內(nèi)容及章節(jié)安排
        1.3.1 本文研究內(nèi)容
        1.3.2 本文章節(jié)安排
第2章 基于多任務(wù)學(xué)習(xí)的序列抽取模型
    2.1 引言
    2.2 基于層級編碼器的序列抽取模型
    2.3 基于BERT的序列抽取模型
    2.4 基于多任務(wù)學(xué)習(xí)的序列抽取模型
    2.5 實驗與分析
        2.5.1 實驗數(shù)據(jù)
        2.5.2 實驗設(shè)置
        2.5.3 評價指標(biāo)
        2.5.4 實驗結(jié)果
    2.6 本章小節(jié)
第3章 基于強化學(xué)習(xí)的端到端句子抽取模型
    3.1 引言
    3.2 基于端到端的句子抽取模型
    3.3 基于ELMO的句子抽取模型
    3.4 基于強化學(xué)習(xí)的端到端句子抽取模型
    3.5 實驗與分析
        3.5.1 實驗數(shù)據(jù)
        3.5.2 實驗設(shè)置
        3.5.3 評價指標(biāo)
        3.5.4 實驗結(jié)果
    3.6 模型融合
    3.7 本章小節(jié)
第4章 基于條件變分自編碼器的用戶特征建模技術(shù)
    4.1 引言
    4.2 基于CVAE的用戶特征建模技術(shù)
    4.3 基于LSTM的用戶特征建模技術(shù)
    4.4 實驗與分析
        4.4.1 實驗數(shù)據(jù)
        4.4.2 基線模型
        4.4.3 對比實驗
        4.4.4 實驗設(shè)置
        4.4.5 評價指標(biāo)
        4.4.6 實驗結(jié)果
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝



本文編號：3864429