隨著5G時代的到來,網(wǎng)絡(luò)上新聞、評論、文獻等文本數(shù)據(jù)呈爆炸式增長,用戶不得不花費大量的時間從文本中尋找自己所需要的信息,因此急需對這些海量文本進行有效的摘要提取。而利用計算機來進行文本自動摘要則是解決此問題的有效手段之一。摘要的本質(zhì)是對文檔語義的理解,所以本文圍繞如何利用文檔深層次語義特征來改善摘要質(zhì)量展開研究,提出一種基于文檔多維度特征融合的抽取式摘要方法。主要工作如下:（1）面對目前抽取式摘要研究多是利用一些啟發(fā)式特征和淺層的語義特征問題,提出一種基于文檔多維度語義的表征模型。句子在文檔中的重要程度是和文檔的語義息息相關(guān)的,而文檔的語義在不同的維度上的表征是不同的。本文所提出的模型分別從文檔的主題、細粒度以及上下文的關(guān)系來構(gòu)建文檔的語義表示。首先,利用LDA模型對文檔進行主題分析并生成對應(yīng)的主題詞,并對其進行情感偏好分析,避免一些無實際意義的虛詞對文檔主題的干擾。然后,通過對文檔不同細粒度的劃分,利用CNN層來構(gòu)建文檔詞語、句子與段落的語義表示,這可以有效的反映出文檔的不同層級之間的層次性。最后通過Bi-LSTM層來構(gòu)建句子在文檔中的上下文關(guān)系特征,從而在不同的維度上對文檔進行深層... 

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 引言
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文研究內(nèi)容
    1.4 本文結(jié)構(gòu)安排
第二章 自動摘要相關(guān)理論與方法
    2.1 主題模型
    2.2 深度學(xué)習(xí)模型
        2.2.1 卷積神經(jīng)網(wǎng)絡(luò)模型
        2.2.2 長短時記憶網(wǎng)絡(luò)模型
    2.3 注意力機制
    2.4 本章小結(jié)
第三章 文檔多維度語義特征建模
    3.1 引言
    3.2 文本預(yù)處理
    3.3 基于文檔多維度語義的特征模型
        3.3.1 文檔主題特征表示模型
        3.3.2 基于文檔細粒度的特征表示模型
        3.3.3 句子上下文關(guān)系的特征表示模型
        3.3.4 模型求解
    3.4 本章小結(jié)
第四章 基于冗余性控制的抽取式摘要模型
    4.1 引言
    4.2 基于冗余性控制的摘要生成模型
        4.2.1 模型基本框架
        4.2.2 模型求解
    4.3 句子排序
    4.4 本章小結(jié)
第五章 實驗分析
    5.1 數(shù)據(jù)集
    5.2 評價標準
    5.3 實驗環(huán)境
    5.4 實驗結(jié)果及分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
致謝
附錄


【參考文獻】：
期刊論文
[1]基于加權(quán)TextRank的中文自動文本摘要[J]. 黃波,劉傳才.  計算機應(yīng)用研究. 2020(02)
[2]基于混合機器學(xué)習(xí)模型的多文檔自動摘要[J]. 唐曉波,翟夏普.  情報理論與實踐. 2019(02)
[3]一種話題敏感的抽取式多文檔摘要方法[J]. 應(yīng)文豪,李素建,穗志方.  中文信息學(xué)報. 2017(06)
[4]近70年文本自動摘要研究綜述[J]. 劉家益,鄒益民.  情報科學(xué). 2017(07)

博士論文
[1]面向網(wǎng)絡(luò)評論信息的自動摘要技術(shù)研究與應(yīng)用[D]. 張世博.北京郵電大學(xué) 2019
[2]基于有監(jiān)督深度學(xué)習(xí)的抽取式多文檔自動摘要研究[D]. 任鵬杰.山東大學(xué) 2018

碩士論文
[1]基于多文檔摘要的研討文本分析方法及應(yīng)用[D]. 李元.湖北工業(yè)大學(xué) 2017



本文編號：3705097