融合文本分类的多任务学习摘要模型

• 作者: 周伟枭 蓝雯飞
• 来源期刊: 计算机工程
• 关键词: 编码器-解码器架构 文本摘要 文本分类 多任务学习 聚类算法 统计分布
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 人工智能与模式识别|Artificial Intelligence and Pattern Recognition
• 页码范围: 48-55
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0057448

摘要

文本摘要应包含源文本中所有重要信息,传统基于编码器-解码器架构的摘要模型生成的摘要准确性较低.根据文本分类和文本摘要的相关性,提出一种多任务学习摘要模型.从文本分类辅助任务中学习抽象信息改善摘要生成质量,使用K-means聚类算法构建Cluster-2、Cluster-10和Cluster-20文本分类数据集训练分类器,并研究不同分类数据集参与训练对摘要模型的性能影响,同时利用基于统计分布的判别法全面评价摘要准确性.在CNNDM测试集上的实验结果表明,该模型在ROUGE-1、ROUGE-2和ROUGE-L指标上相比强基线模型分别提高了0.23、0.17和0.31个百分点,生成摘要的准确性更高.