融合词汇特征的生成式摘要模型

• 作者: 丁磊 李娇娥 杜皓晅 江跃华 高凯
• 来源期刊: 河北科技大学学报
• 学科: 工学
• 关键词: 自然语言处理 文本摘要 注意力机制 LSTM CNN
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 机械、电子与信息科学
• 页码范围: 152-158
• 页数: 7页
• 分类号: TP319
• 字数: 5425字
• 语种: 中文
• DOI: 10.7535/hbkd.2019yx02009

摘要

为了能在摘要生成过程中利用词汇特征(包含n-gram和词性信息)识别更多重点词汇内容,进一步提高摘要生成质量,提出了一种基于sequence-to-sequence(Seq2Seq)结构和attention机制的、融合了词汇特征的生成式摘要算法.算法的输入层将词性向量与词向量合并后作为编码器层的输入,编码器层由双向LSTM组成,上下文向量由编码器的输出和卷积神经网络提取的词汇特征向量构成.模型中的卷积神经网络层控制词汇信息,双向LSTM控制句子信息,解码器层使用单向LSTM为上下文向量解码并生成摘要.实验结果显示,在公开数据集和自采数据集上,融合词汇特征的摘要生成模型性能优于对比模型,在公开数据集上的ROUGE-1,ROUGE-2,ROUGE-L分数分别提升了0.024,0.033,0.030.因此,摘要的生成不仅与文章的语义、主题等特征相关,也与词汇特征相关,所提出的模型在融合关键信息的生成式摘要研究中具有一定的参考价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高凯	河北科技大学信息科学与工程学院	16	155	9.0	12.0
2	丁磊		2	5	1.0	2.0
3	江跃华	河北科技大学信息科学与工程学院	1	5	1.0	1.0
4	李娇娥	河北科技大学信息科学与工程学院	2	5	1.0	2.0
5	杜皓晅	西安电子科技大学通信工程学院	1	5	1.0	1.0