买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：湖南大学

摘要：本发明公开了一种基于复制机制和变分神经推理的增强性文本摘要生成方法，其步骤包括：步骤S1：通过编码输入和输出序列；利用变分自编码器分别对原文本X＝x1,x2,…,xT和文本对应的标准摘要Y＝y1,y2,…,yN进行编码。即，将输入的原文词序列和标准摘要词序列编码成连续的词向量序列；步骤S2：对隐变量地近似后验分布进行建模；利用变分神经推理根据学习到的先验分布和近似后验概率得到隐变量z的表示；所述先验分布为pθz|x，所述近似后验概率为步骤S3：利用上下文语义向量、隐变量和生成复制网络函数解码得到生成的摘要。本发明具有原理简单、适用范围广、能够大幅优化文本摘要生成质量等优点。

主权项：1.一种基于复制机制和变分神经推理的增强性文本摘要生成方法，其特征在于，步骤包括：步骤S1：通过编码输入和输出序列；利用变分自编码器分别对原文本X=x1,x2,...,xT和文本对应的标准摘要Y=y1,y2,...,yN进行编码；即，将输入的原文词序列和标准摘要词序列编码成连续的词向量序列；在步骤S1中，所述变分自编码器的作用是将输入的原文词序列和标准摘要词序列编码成连续的词向量序列；所述变分自编码器采用的双向LSTM结构，包括前向LSTM和后向LSTM，分别对输入的文本和标准的文本摘要进行编码；前向LSTM从左到右读取输入单词序列X=x1,x2,...,xT，后向LSTM从右到左读取，计算过程如下： 其中，和分别是前向LSTM和后向LSTM的隐藏层表示；同理，对于标准文本摘要的单词序列Y=y1,y2,...,yN可编码得到和；然后，把每个时间步的前向和后向隐藏层编码进行拼接，得到最终输入输出的表示h1,h2,...,hT和,,...,，其中hi=[,]，=[,]；步骤S2：对隐变量z的近似后验分布进行建模；利用变分神经推理根据学习到的先验分布和近似后验概率得到隐变量z的表示；所述先验分布为，所述近似后验概率为；所述步骤S2中，对变分自编码模型中隐变量z的后验分布进行建模，其处理方式为采用神经网络对先验分布和后验分布分别建模，迫使其服从于一个多元的高斯分布；步骤S3：利用上下文语义向量、隐变量和生成复制网络函数解码得到生成的摘要。

全文数据：

权利要求：

百度查询： 湖南大学 基于复制机制和变分神经推理的增强性文本摘要生成方法