隨著移動(dòng)互聯(lián)網(wǎng)的迅速發(fā)展,越來越多的黨建信息更加被偏向于在官方微博、朋友圈、黨建APP等互聯(lián)網(wǎng)網(wǎng)絡(luò)平臺(tái)進(jìn)行發(fā)布,人們?cè)谌粘Ｉ詈凸ぷ魃钪斜缓Ａ康奈谋拘畔鼑�。如何從海量文本信息中快速而�?zhǔn)確的獲取人們所需要的內(nèi)容,成為了當(dāng)今社會(huì)上一種非常迫切的需求。自動(dòng)文本摘要技術(shù)是自然語言處理領(lǐng)域的一項(xiàng)子任務(wù),可以將原來的長(zhǎng)文本文檔轉(zhuǎn)化為簡(jiǎn)短的概要描述。目前,常用的自動(dòng)文本摘要技術(shù)有兩種主流方法,一種是抽取式文本摘要,這種方法主要是基于語言學(xué)的方法,側(cè)重于關(guān)注文本的詞法、語法和語義信息等,通過對(duì)原文本的句子依據(jù)重要度算法進(jìn)行重新排序,抽取出最重要的一條者幾條句子組合成為一段摘要。雖然抽取句子作為摘要的方法在技術(shù)上易于實(shí)現(xiàn),應(yīng)用領(lǐng)域廣泛,但生成的文摘不簡(jiǎn)潔、不連貫、內(nèi)容不全面。另一種是生成式文本摘要,這種方法使用了目前最流行的深度學(xué)習(xí)方法,通過神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)文本特征,自動(dòng)生成摘要。本文將兩種方法結(jié)合,提出了面向黨建領(lǐng)域新聞數(shù)據(jù)的TR-MAPGN算法模型。本文主要是面向黨建領(lǐng)域新聞的文本摘要技術(shù),因此收集并整理了專用的黨建新聞?wù)Z料庫。系統(tǒng)的實(shí)現(xiàn)總體架構(gòu)主要包括新聞標(biāo)題生成系統(tǒng)由數(shù)據(jù)處理模塊、算法模型模塊和... 

【文章頁數(shù)】：71 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 傳統(tǒng)的抽取式方式
        1.2.2 基于深度學(xué)習(xí)的生成式方式
    1.3 論文研究的主要內(nèi)容
    1.4 論文的組織結(jié)構(gòu)
    1.5 本章小結(jié)
第2章 相關(guān)原理與技術(shù)的研究
    2.1 字嵌入
    2.2 TextRank算法
    2.3 神經(jīng)網(wǎng)絡(luò)模型概述
        2.3.1 循環(huán)神經(jīng)網(wǎng)絡(luò)
        2.3.2 Seq2seq模型
        2.3.3 注意力機(jī)制
    2.4 文本摘要的評(píng)價(jià)指標(biāo)
    2.5 本章小結(jié)
第3章 黨建新聞標(biāo)題生成系統(tǒng)的需求與分析
    3.1 項(xiàng)目背景及設(shè)計(jì)目標(biāo)
    3.2 系統(tǒng)功能性需求分析
    3.3 系統(tǒng)非功能性需求分析
    3.4 本章小結(jié)
第4章 黨建新聞標(biāo)題生成系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
    4.1 黨建新聞標(biāo)題生成系統(tǒng)架構(gòu)的設(shè)計(jì)
        4.1.1 系統(tǒng)總體架構(gòu)設(shè)計(jì)
        4.1.2 系統(tǒng)詳細(xì)功能設(shè)計(jì)
        4.1.3 TR-MA-PGN算法模型設(shè)計(jì)
        4.1.4 系統(tǒng)業(yè)務(wù)邏輯設(shè)計(jì)
    4.2 黨建新聞標(biāo)題生成系統(tǒng)的實(shí)現(xiàn)
        4.2.1 系統(tǒng)環(huán)境與搭建
        4.2.2 系統(tǒng)關(guān)鍵功能實(shí)現(xiàn)
    4.3 本章小結(jié)
第5章 黨建新聞標(biāo)題生成系統(tǒng)的應(yīng)用與測(cè)試
    5.1 應(yīng)用場(chǎng)景分析
    5.2 功能測(cè)試
    5.3 實(shí)驗(yàn)結(jié)果分析與總結(jié)
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)歷及攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文與研究成果


【參考文獻(xiàn)】：
期刊論文
[1]卷積自注意力編碼過濾的強(qiáng)化自動(dòng)摘要模型[J]. 徐如陽,曾碧卿,韓旭麗,周武.  小型微型計(jì)算機(jī)系統(tǒng). 2020(02)
[2]基于編碼器共享和門控網(wǎng)絡(luò)的生成式文本摘要方法[J]. 田珂珂,周瑞瑩,董浩業(yè),印鑒.  北京大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(01)
[3]一種結(jié)合Bigram語義擴(kuò)充的事件摘要方法[J]. 吳佳偉,曹斌,范菁,黃驊.  小型微型計(jì)算機(jī)系統(tǒng). 2019(07)
[4]TP-AS:一種面向長(zhǎng)文本的兩階段自動(dòng)摘要方法[J]. 王帥,趙翔,李博,葛斌,湯大權(quán).  中文信息學(xué)報(bào). 2018(06)
[5]AM-BRNN:一種基于深度學(xué)習(xí)的文本摘要自動(dòng)抽取模型[J]. 沈華東,彭敦陸.  小型微型計(jì)算機(jī)系統(tǒng). 2018(06)
[6]近70年文本自動(dòng)摘要研究綜述[J]. 劉家益,鄒益民.  情報(bào)科學(xué). 2017(07)
[7]自動(dòng)文摘的四種主要方法[J]. 劉挺,王開鑄.  情報(bào)學(xué)報(bào). 1999(01)



本文編號(hào)：3696544