基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
随着互联网上文本信息的爆发式增长,自动从大量文本信息中提取重要内容俨然成为迫切需求.本文旨在对用户浏览信息进行提炼,根据用户感兴趣的内容生成相应的AI话术,因此,本文采用Seq2Seq+Attention的框架进行摘要生成模型构建,通过联合注意力机制将文本中的关键信息与语义信息结合起来实现对摘要的引导生成,达到对信息进行压缩和提炼的目的.
推荐文章
基于视频摘要生成技术的研究
新闻视频
视摘要
字幕探测档
基于关键字的Web页面摘要生成技术
引导关键字
Web页面
摘要
基于事件指导的多文档生成式摘要方法
事件
生成式
组合语义
子主题
多语句压缩
多文档摘要
一种基于深度学习的中文生成式自动摘要方法
深度学习
生成式自动摘要
笔画向量
Seq2Seq
注意力机制
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于深度学习的生成式自动摘要技术
来源期刊 数字技术与应用 学科 工学
关键词 文本摘要 Seq2Seq 注意力机制
年,卷(期) 2020,(12) 所属期刊栏目 应用研究
研究方向 页码范围 77-79,82
页数 4页 分类号 TP311.13
字数 语种 中文
DOI 10.19695/j.cnki.cn12-1369.2020.12.25
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (13)
共引文献  (24)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1958(2)
  • 参考文献(0)
  • 二级参考文献(2)
1969(1)
  • 参考文献(1)
  • 二级参考文献(0)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(2)
  • 参考文献(1)
  • 二级参考文献(1)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
文本摘要
Seq2Seq
注意力机制
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
数字技术与应用
月刊
1007-9416
12-1369/TN
16开
天津市
6-251
1983
chi
出版文献量(篇)
20434
总下载数(次)
106
总被引数(次)
35701
论文1v1指导