[發明專利]一種結合集束搜索間隔最大化約束的文本摘要生成方法有效
| 申請號： | 201811321380.3 | 申請日： | 2018-11-07 |
| 公開（公告）號： | CN109508371B | 公開（公告）日： | 2022-03-15 |
| 發明（設計）人： | 葉梓;潘嶸 | 申請（專利權）人： | 中山大學 |
| 主分類號： | G06F16/34 | 分類號： | G06F16/34;G06F40/216;G06F40/289 |
| 代理公司： | 廣州粵高專利商標代理有限公司 44102 | 代理人： | 林麗明 |
| 地址： | 510275 廣東*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 結合 集束 搜索 間隔 最大化 約束 文本 摘要 生成 方法 | ||
1.一種結合集束搜索間隔最大化約束的文本摘要生成方法，其特征在于：包括以下步驟：
S1.構建循環神經網絡模型；
S2.向循環神經網絡模型輸入一批訓練數據；
S3.設循環神經網絡模型輸出了前k個詞，即{y0,y1,…,yk-1}；接下來輸出的目標是yk，則針對詞匯表V＝{v0,v1,…,v|v|-1}，循環神經網絡模型針對某一個詞vg計算得到輸出概率pk(vg)；
S4.以目標詞組ykyk+1的概率高于其他詞組為目標，通過最大間隔化的優化函數對yk進行求解；令候選詞匯組為優化函數表示為：
Lossmm＝max(0,γ+logp(ri)-logp(ykyk+1))
其中γ是為超參；
計算交叉熵函數
其中L為摘要y的文本長度，p(yk)為生成yk的概率；
定義yk的目標函數為：
Loss＝Lossce+λLossmm
通過上式計算得到目標函數；
S5.梯度下降優化目標函數；
S6.驗證循環神經網絡模型效果；
S7.判斷循環神經網絡模型是否收斂，若否則執行步驟S2，若是則結束訓練，執行步驟S8；
S8.輸入一段文本；
S9.通過集束搜索，擴展下一個可能出現的詞；
S10.通過步驟S9產生新的候選摘要，更新它們的概率；
S11.保留概率最大的候選摘要生成新的集束；
S12.判斷集束中的候選摘要是否都輸出了終止符，若是則執行步驟S14，若否則執行步驟S13；
S13.判斷產生的摘要統一長度是否超出循環神經網絡模型限制，若是則執行步驟S14，若否則執行步驟S8；
S14.從集束中挑選概率最大的摘要作為輸出。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中山大學，未經中山大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811321380.3/1.html，轉載請聲明來源鉆瓜專利網。
