基于深度学习的生成式文本摘要技术综述

在互联网数据急剧扩张和深度学习技术高速发展的背景下,自动文本摘要任务作为自然语言处理领域的主要研究方向之一,其相关技术及应用被广泛研究。基于摘要任务深化研究需求,以研究过程中存在的关键问题为导向,介绍现有基于深度学习的生成式文本摘要模型,简述定义及来源、数据预处理及基本框架、常用数据集及评价标准等,指出发展优势和关键问题,并针对关键问题阐述对应的可行性解决方案。对比常用的深度预训练模型和创新方法融合模型,分析各模型的创新性和局限性,提出对部分局限性问题的解决思路。进一步地,对该技术领域的未来发展方向进行展望总结。

复杂有源配电网供电路径快速优化

配电网络结构日益复杂化以及分布式电源广泛接入带来的不确定性,增加了配电网供电路径优化的难度,传统配电网重构方法很难满足其快速性要求。针对风机、光伏出力的波动性,在构造的概率场景模型基础上,基于时间尺度进行出力分割,并利用无重复生成树策略对复杂搜索空间进行简化,避免重复性辐射型校验,减少解空间的冗余度,采取改进的编码策略以及改进的教学优化算法对重构模型进行求解,提高搜索的速度和全局寻优能力。算例分析证明了所提方法的快速性和有效性。