文献类型：期刊文献

中文题名：核心词修正的Seq2Seq短文摘要

英文题名：Automatic summary of short text based on Seq2Seq and keywords correction

作者：方旭[1];过弋[1,2,3];王祺[1];樊振[1]

机构：[1]华东理工大学信息科学与工程学院,上海200237;[2]石河子大学信息科学与技术学院,新疆石河子832003;[3]上海数据交易中心有限公司,上海200436

年份：2018

卷号：39

期号：12

起止页码：3610

中文期刊名：计算机工程与设计

外文期刊名：Computer Engineering and Design

收录：CSTPCD;;北大核心:【北大核心2017】；

基金：国家自然科学基金项目(61462073);上海科学技术委员会科研计划基金项目(STCSM:17DZ1101003;16511101000)

语种：中文

中文关键词：中文短文本;自动摘要;长短期记忆网络;注意力机制的序列到序列模型;核心词修正

外文关键词：Chinese short text;automatic abstract;LSTM;attention-based sequence-to-sequence model;keywords correction

摘要：为使用户能够更快从海量的互联网信息中获得自己想要的信息,需要利用自动摘要技术给这些短文本添加简短的摘要,提出采用深度学习结合核心词修正的方法自动生成中文短文本的摘要。通过对长短期记忆网络(LSTM)进行研究,构建一个基于注意力机制的序列到序列模型(Seq2Seq),采用字词联合特征作为模型的输入进行训练,利用原文的核心词対生成的摘要进行修正,得到最终的摘要结果。通过分析在LCSTS数据集上的实验结果验证了该方法的有效性。
Automatic summary techniques can make people get the information they need faster from the short texts on the Internet.Deep learning method was introduced to generate short text summary automatically and the keywords of the original text were used to optimize the results.An attention-based sequence-to-sequence(Seq2Seq)model with long-short term memory network(LSTM)was constructed,which combined the character features and word features as its inputs.The keywords of short texts were used to correct the words of model-generated summary.Experimental results show that the proposed method improves the performance of short summaries generation on LCSTS dataset.