文献类型：期刊文章

作　　者：宁珊[1,2] 严馨[1,2] 徐广义[3] 周枫[1,2] 张磊[1,2]

NING Shan;YAN Xin;XU Guang-yi;ZHOU Feng;ZHANG Lei(Faculty of Information Engineering and Automation,Kunming University of Science and Technology,Kunming 650504;Yunnan Key Laboratory of Artificial Intelligence,Kunming University of Science and Technology,Kunming,650504;Yunnan Nantian Electronic Information Industry Co.,Ltd.,Kunming 650040,China)

机构地区：[1]昆明理工大学信息工程与自动化学院,云南昆明650504 [2]昆明理工大学云南省人工智能重点实验室,云南昆明650504 [3]云南南天电子信息产业股份有限公司,云南昆明650040

出　　处：《计算机工程与科学》

基　　金：国家自然科学基金(61562049,61462055)。

年　　份：2020

卷　　号：42

期　　号：12

起止页码：2265-2272

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD_E2019_2020、JST、ZGKJHX、核心刊

摘　　要：针对现有基于seq2seq模型在生成摘要时容易出现语义无关的摘要词,同时没有考虑到关键词在摘要生成中的作用,提出一种融合关键词的中文新闻文本摘要生成方法。首先将源文本词依次输入到Bi-LSTM模型中;然后将得到的时间步隐藏状态输入到滑动卷积神经网络,提取每个词与相邻词之间的局部特征;其次利用关键词信息和门控单元对新闻文本信息进行过滤,去除冗余信息;再通过自注意力机制获得每个词的全局特征信息,最终编码得到具有层次性的局部结合全局的词特征表示;将编码得到的词特征表示输入到带有注意力机制的LSTM模型中解码得到摘要信息。该方法通过滑动卷积网络对新闻词的n-gram特征建模,在此基础上利用自注意力机制,获得具有层次性的局部结合全局的词特征表示。同时,考虑了关键词在新闻摘要生成中的重要作用,利用门控单元去除冗余信息,以获得更精准的新闻文本信息。在搜狗全网新闻语料上的实验表明,该方法能够有效提高摘要生成质量,能够有效地提高ROUGE-1、ROUGE-2、ROUGE-L值。

关 键 词：文本摘要生成  滑动卷积网络  关键词信息融合  门控单元  全局编码  

分 类 号：TP391.1]