隨著互聯(lián)網(wǎng)時代的發(fā)展,網(wǎng)頁上的信息呈爆炸式的增長,文本摘要技術可以幫助人們從大量的新聞中提煉出文章主旨,過濾冗余信息,加快了人們閱讀的速度與質量,節(jié)約人們的時間。文本摘要是當前自然語言處理領域的一個研究熱點,逐漸得到越來越多研究人員的關注。文本摘要大致可以分為抽取式摘要與理解式摘要,前者抽取出能表示原文主旨的關鍵句子作為摘要;后者通過提取原文的語義信息,對原文進行改寫,進而生成摘要,也是文本摘要的終極目標。目前對于摘要的研究工作主要集中于中、英文領域,而低資源語言如藏文領域,生成摘要與評測摘要的方法都還比較落后,而且語料規(guī)模較小,主要通過無監(jiān)督的方式對人工收集到的一定規(guī)模的語料進行摘要抽取,評測方式主要是人為評測,沒有標準的評測指標。此外,在中、英文生成式摘要領域效果較好的序列到序列模型沒有應用到藏文領域。本文針對藏文新聞摘要進行了研究與分析,主要內(nèi)容與創(chuàng)新點如下:(1)針對目前藏文缺乏大規(guī)模訓練語料、評測方式不規(guī)范等問題,本文通過爬取5萬條藏文新聞作為訓練語料,將標題作為生成摘要的參考。而且,本文將傳統(tǒng)抽取式摘要方法與理解式摘要方法結合應用在藏文上,并采用目前文本摘要評測標準ROUG...

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究進展
        1.2.1 抽取式摘要進展
        1.2.2 理解式摘要進展
        1.2.3 藏文文本摘要進展
    1.3 本文主要工作與文章架構
        1.3.1 本文主要工作
        1.3.2 文章架構
第二章 語料預處理
    2.1 數(shù)據(jù)集構建
        2.1.1 語料來源
        2.1.2 數(shù)據(jù)處理過程
    2.2 詞的向量表示
        2.2.1 詞的獨熱表示
        2.2.2 詞的分布式表示
    2.3 關鍵詞與關鍵句抽取
        2.3.1 基于TF-IDF方法
        2.3.2 基于改進TextRank的方法
    2.4 實驗結果
        2.4.1 評測指標
        2.4.2 結果分析
        2.4.3 案例分析
    2.5 本章小結
第三章 基于神經(jīng)網(wǎng)絡的句子選取
    3.1 循環(huán)神經(jīng)網(wǎng)絡
        3.1.1 RNN
        3.1.2 LSTM
        3.1.3 GRU
    3.2 基于BiGRU的句子選取
    3.3 實驗結果
        3.3.1 參數(shù)設置
        3.3.2 評測指標
        3.3.3 結果分析
        3.3.4 案例分析
    3.4 本章小結
第四章 基于統(tǒng)一模型的藏文摘要生成
    4.1 Seq2Seq+Attention
    4.2 指針機制
    4.3 覆蓋機制
    4.4 Beam Search
    4.5 實驗結果及分析
        4.5.1 參數(shù)設置
        4.5.2 結果分析
        4.5.3 案例分析
    4.6 本章小結
第五章 總結與展望
參考文獻
致謝
攻讀學位期間發(fā)表的學術論文目錄



本文編號：3784750