多文档短摘要生成技术研究

自动摘要技术用于将较长篇幅的文章压缩为一段较短的能概括原文中心内容的文本。多文档冗余度高,电子设备所展示的空间有限,成为摘要发展面临的挑战。本文提出融合图卷积特征的句子粗粒度排序方法。首先将句子之间的相似度矩阵视为拓扑关系图,对其进行图卷积计算得到图卷积特征。然后通过排序模型融合图卷积特征以及主流的抽取式多文档摘要技术对句子进行重要度排序,选取排名前四的句子作为摘要。最后提出基于Seq2seq框架的短摘要生成模型:①在Encoder部分采用基于卷积神经网络(CNN)的方法;②引入基于注意力的指针机制,并将主题向量融入其中。实验结果表明,在本文场景下,相较于循环神经网络(RNN),在Encoder部分基于CNN能够更好地进行并行化,在效果基本一致的前提下,显著提升效率。此外,相较于传统的基于抽取和压缩的模型,本文提出的模型在ROUGE指标以及可读性(信息度和流利度)方面均取得了显著的效果提升。

基于改进沙漏模型的突发事件下交通流预测

通过分析突发事故导致车道被占用时,道路通行能力的演变过程及交通流的变化特征,将占道发生后车流与沙漏模型中颗粒物质运动类比,结合突发事件下交通流中不同类型车辆的换道规律,提出了含概率崩塌各异性的改进沙漏模型.并结合元胞自动机仿真理论,运用MATLAB进行仿真计算不同时刻的车辆排队长度,与实际数据对比,该模型的平均相对误差为6.509 7%,验证了模型的可靠性.最后利用该模型预测不同车道被占用和不同车流量的情况下车队长度达到特定长度所需的时间,进而探讨其分别对道路通行能力的不同影响程度,为交通部门监管道路提供理论依据.