申请/专利权人：山东科技大学

申请日：2024-03-13

公开（公告）日：2024-04-12

公开（公告）号：CN117875268A

主分类号：G06F40/126

分类号：G06F40/126;G06F40/279;G06F40/30;G06F16/33;G06F16/35;G06F18/214;G06N3/0442;G06N3/0464;G06N3/0499;G06N3/088;G06N3/09

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种基于分句编码的抽取式文本摘要生成方法，属于深度学习的自然语言处理领域，包括如下步骤：步骤1、获取训练数据集，采用分句算法和摘要转换算法对训练数据集进行处理；步骤2、基于BERT模型对正文句子集合进行编码，获得句向量和文章表征；步骤3、构建基于膨胀卷积和门控卷积的文本分类改进模型并进行模型训练；步骤4、获取当前待生成摘要，采用分句算法将正文分成若干句子；采用训练完成的文本分类改进模型对正文进行抽取，生成抽取式摘要。本发明解决了输入文本过长问题，基于膨胀卷积和门控卷积设计了文本分类改进模型，学习文本语句中更细粒度的特征，并生成最终摘要。

主权项：1.一种基于分句编码的抽取式文本摘要生成方法，其特征在于，包括如下步骤：步骤1、获取训练数据集，采用分句算法和摘要转换算法对训练数据集进行处理；步骤2、基于BERT模型对正文句子集合进行编码，获得句向量和文章表征；步骤3、构建基于膨胀卷积和门控卷积的文本分类改进模型并进行模型训练；步骤4、获取当前待生成摘要，采用分句算法将正文分成若干句子；采用训练完成的文本分类改进模型对正文进行抽取，生成摘要。

全文数据：

权利要求：

百度查询： 山东科技大学 一种基于分句编码的抽取式文本摘要生成方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD