基于融合关键词和对比学习训练的生成式报告摘要模型研究——以中国智库报告为例

[目的/意义]智库报告是由独立研究机构提供的专业分析和政策建议,为决策者和公众提供决策支持和促进社会进步的重要工具。智库报告摘要可以为读者提供一个简洁明了的概述,以便他们能够快速了解报告的主要内容和结论,从而提高信息筛选、传播效果和知识传递的效率。目前的智库报告存在主题差异大导致生成摘要不准确的问题,亟需对现有的文本摘要方法进行改进。[方法/过程]针对上述问题,本文提出了一种融合关键词的智库报告摘要模型。首先使用关键词抽取算法抽取原文中的关键词信息,其次提出一种基于交叉注意力机制的融合关键词模块用于提升模型对于主题信息的感知能力,并且在训练的过程中使用了对比学习训练。[结果/结论]结果表明,融合关键词的摘要模型在智库报告文本摘要任务中的Rouge-1、Rouge-2和Rouge-L值优于其他文本摘要模型,分别达到了48.23、32.55和42.50,在智库报告文本摘要任务上具有更优的摘要效果。

融合关键词的中文新闻文本摘要生成

针对现有基于seq2seq模型在生成摘要时容易出现语义无关的摘要词,同时没有考虑到关键词在摘要生成中的作用,提出一种融合关键词的中文新闻文本摘要生成方法。首先将源文本词依次输入到Bi-LSTM模型中;然后将得到的时间步隐藏状态输入到滑动卷积神经网络,提取每个词与相邻词之间的局部特征;其次利用关键词信息和门控单元对新闻文本信息进行过滤,去除冗余信息;再通过自注意力机制获得每个词的全局特征信息,最终编码得到具有层次性的局部结合全局的词特征表示;将编码得到的词特征表示输入到带有注意力机制的LSTM模型中解码得到摘要信息。该方法通过滑动卷积网络对新闻词的n-gram特征建模,在此基础上利用自注意力机制,获得具有层次性的局部结合全局的词特征表示。同时,考虑了关键词在新闻摘要生成中的重要作用,利用门控单元去除冗余信息,以获得更精准的新闻文本信息。在搜狗全网新闻语料上的实验表明,该方法能够有效提高摘要生成质量,能够有效地提高ROUGE-1、ROUGE-2、ROUGE-L值。

GA优化自适应NSCT-PCNN图像融合

针对传统非下采样Contourlet变换与脉冲耦合神经网络结合(NSCT-PCNN)的图像融合模型中PCNN存在参数需要完全凭借人工经验设置的不足,本文引进了遗传算法进行自适应的参数设置.该模型在低频子带采用基于边缘的图像融合技术,在各带通子带则通过PCNN来确定融合子带系数,加入遗传算法进行参数自行设定,减少了需要人为经验设置参数的个数.最后将融合结果与小波变换,Laplace融合技术以及传统的PCNN-NSCT融合方法进行比较,发现本文方法不论在主观还是客观指数评价上都更佳.

重庆广播媒体融合的探索

媒体融合大背景下,借助多种媒体,广播能"看"已不新鲜,但广播并不是要向视频技术发展。立足于自身产品优势,拓展交互功能,以用户为中心打造电商平台,才是一条利益长远的道路。