基于主题约束的篇章级文本生成方法

• 作者: 余晓阳 孙海丽 张新访 徐科 王同洋 路松峰 黄炎
• 来源期刊: 北京大学学报（自然科学版）
• 关键词: 文本自动生成 主题约束 循环神经网络(RNN) 长短时记忆网络(LSTM) 注意力机制
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 专题报道:面向人工智能的自然语言分析与理解
• 页码范围: 9-15
• 页数: 7页
• 字数: 6295字
• 语种: 中文
• DOI: 10.13209/j.0479-8023.2019.103

摘要

针对计算机自动生成的文本缺乏主题思想这一问题,提出一种基于主题约束的篇章级文本自动生成方法.该方法围绕用户输入的主题描述语句提取若干主题词;然后对主题词进行扩展和主题聚类,形成文章主题规划;最后利用每个聚类中的关键词信息约束每个段落的文本生成.该模型从文本主题分布、注意力评分方法和主题覆盖生成3个方面对现有基于注意力机制的循环神经网络文本生成模型进行了改进.在3个真实数据集上分别与Char-RNN,SC-LSTM和MTA-LSTM基准模型进行对比,并对3个方面的改进进行独立验证.实验结果表明,所提方法在人工评判和BLEU自动评测上均优于基准模型,生成的文本能更好地贴合主题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王同洋	华中科技大学计算机科学与技术学院	20	150	7.0	11.0
2	孙海丽	华中科技大学计算机科学与技术学院	9	106	5.0	9.0
3	张新访	华中科技大学计算机科学与技术学院	55	957	14.0	30.0
4	黄炎	华中科技大学计算机科学与技术学院	5	6	1.0	2.0
6	徐科	华中科技大学计算机科学与技术学院	17	82	5.0	8.0
10	余晓阳	华中科技大学计算机科学与技术学院	2	14	1.0	2.0
13	路松峰		1	0	0.0	0.0