• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    面向主題的無監(jiān)督文本摘要生成方法

    2021-11-28 02:30:43蔣杰
    電腦知識(shí)與技術(shù) 2021年28期

    蔣杰

    摘要:隨著人工智能的迅速發(fā)展,傳統(tǒng)的文本摘要技術(shù)也從抽取式摘要向生成式摘要發(fā)展。當(dāng)源文檔中存在著多個(gè)主題的內(nèi)容時(shí),現(xiàn)有的大多數(shù)生成式文本摘要方法會(huì)盡全面地對(duì)多主題內(nèi)容進(jìn)行概括和總結(jié),而對(duì)其中包含某個(gè)主題的內(nèi)容可能無法進(jìn)行細(xì)致描述。針對(duì)這一問題,本文提出了一個(gè)面向主題信息的無監(jiān)督文本摘要生成方法。在給定目標(biāo)主題信息的情況下,在解碼器中利用注意力機(jī)制將目標(biāo)主題信息與文本本身的主題信息進(jìn)行信息融合,從而使得包含了目標(biāo)主題的文本得到較大的注意力權(quán)重,以此生成與目標(biāo)主題相關(guān)的文本摘要。在大規(guī)模英文文本數(shù)據(jù)集Yelp上的實(shí)驗(yàn)結(jié)果驗(yàn)證了所提方法的有效性和先進(jìn)性。

    關(guān)鍵詞:自然語言處理;序列到序列模型;無監(jiān)督學(xué)習(xí);生成式摘要;主題信息;注意力機(jī)制

    中圖分類號(hào):TP18? ? ? 文獻(xiàn)標(biāo)識(shí)碼:A

    文章編號(hào):1009-3044(2021)28-0127-04

    開放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID):

    Topic-oriented Unsupervised Text Summarization Generation Method

    JIANG Jie

    (Guangdong University of Technology, Guangzhou 510006, China)

    Abstract: With the rapid development of artificial intelligence, traditional text summarization techniques have also evolved from extractive summaries to generative summaries. When there are multiple topics in the source document, most of the existing generative text summaries will summarize and summarize the content of multiple topics in a comprehensive manner, and the content of a certain topic may not be able to be described in detail. In response to this problem, this paper proposes a topic-oriented unsupervised text summary generation method. Given the target topic information, in the decoder, the attention machanism is used to fuse the target topic information with the topic information of the text itself, so that the text which contains the target topic information gets a larger attention weight, so as to generate a text summary related to the target topic. The experimental results on the large-scale English text data set Yelp verify the effectiveness and advancement of the proposed method.

    Key words: natural language processing( NLP );sequence-to-sequence( seq2seq ) model;unsupervised learning;abstractive summarization;topic information;attention mechanism

    1 引言

    隨著互聯(lián)網(wǎng)產(chǎn)生的文本數(shù)據(jù)越來越多,文本信息過載問題日益嚴(yán)重,對(duì)各類文本進(jìn)行一個(gè)“降 維”處理顯得非常必要,文本摘要便是其中一個(gè)重要的手段。文本摘要技術(shù)是指通過各種技術(shù),對(duì)文本或者是文本集合,抽取、總結(jié)或是精煉其中的要點(diǎn)信息,用以概括和展示原始文本(集合)的主要內(nèi)容或者大意。

    當(dāng)前,文本摘要按照輸入類型可分為單文檔摘要和多文檔摘要。單文檔摘要是指從給定的一個(gè)文檔中生成摘要,多文檔摘要?jiǎng)t是從給定的一組文檔中生成摘要。按照輸出類型可分為抽取式摘要和生成式摘要。抽取式摘要是指從源文檔中抽取關(guān)鍵句和關(guān)鍵詞組成摘要,摘要全部來源于原文,如使用Lead技術(shù)[1]來產(chǎn)生摘要。而生成式摘要?jiǎng)t是根據(jù)原文的內(nèi)容,允許生成新的詞語、短語來組成摘要。生成式文本摘要主要依靠深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)實(shí)現(xiàn),來自GoogleBrain團(tuán)隊(duì)就較早地提出的序列到序列[2](Sequence-to-Sequence,seq2eq)模型,開啟了自然語言處理(Natural Language Processing,NLP)中端到端網(wǎng)絡(luò)的火熱研究。

    近幾年來,一些基于深度學(xué)習(xí)的主題文本生成方法也取得了一定的成果。Feng等人[3]通過給定主題詞集合,利用長短期記憶(Long Short-Term Memory)[4]網(wǎng)絡(luò)進(jìn)行訓(xùn)練,從而產(chǎn)生一段包含這些主題詞的文本,與常規(guī)的自然語言生成方法[5-6]相比,在主題相關(guān)性和主題完整性上得到了一定的提高。來自Adobe的Krishna等人[7]則是構(gòu)造一個(gè)包含多個(gè)主題的文本數(shù)據(jù)集,針對(duì)同一文本,輸入不同的主題信息,從而生成相應(yīng)主題的文本摘要。也有學(xué)者通過對(duì)數(shù)據(jù)文本進(jìn)行一些預(yù)處理,如使用TextRank技術(shù)[8],選出若干與當(dāng)前文本相關(guān)的主題詞,將主題詞與文本作為輸入,利用注意力機(jī)制將主題詞與輸入文本進(jìn)行信息融合,從而產(chǎn)生一段與這些主題詞內(nèi)容相關(guān)的文本。

    雖然以上這些模型的主題信息的表示形式各有不同,且主題信息的使用方法也有所差異,但主題信息使用的意義就是為了使模型能夠生成與主題信息相關(guān)的文本摘要。鑒于此,本文提出一個(gè)面向主題的無監(jiān)督文本摘要生成方法。先給定目標(biāo)主題,然后在解碼器中利用注意力機(jī)制將目標(biāo)主題信息與文本主題信息進(jìn)行融合,因此不同主題的文本得到不同的注意力權(quán)重,擁有目標(biāo)主題的文本則得到較大的注意力權(quán)重,從而生成與目標(biāo)主題相關(guān)的文本摘要。

    2? 面向主題的文本摘要生成模型

    在自然語言處理中,大多數(shù)的生成式文本摘要模型都是基于seq2seq模型的,seq2seq本質(zhì)上是一個(gè)編碼器-解碼器模型。在seq2seq模型中,普遍使用循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)[9]作為模型的編碼器和解碼器。編碼器RNN通過將長度為m的序列x={x1 , x2 ,··· , xm}編碼,得到中間序列H={h1 , h2 , ··· , hm},解碼器RNN將中間序列h進(jìn)行解碼,得到生成結(jié)果y={y1 , y2 , ··· , yn}。

    為了規(guī)避標(biāo)準(zhǔn)RNN無法長距離記憶的問題,一般會(huì)使用RNN的兩種改進(jìn)的網(wǎng)絡(luò)結(jié)構(gòu),LSTM網(wǎng)絡(luò)和GRU[10],本研究提出的模型在編碼和解碼的階段都采用了LSTM網(wǎng)絡(luò)。本研究提出的模型如圖1所示,主要包含了兩個(gè)部分,第一個(gè)部分是一個(gè)Auto Encoder[11]模塊,Auto Encoder也叫做自編碼器,Auto Encoder包含兩個(gè)過程:encode和decode。給定k條評(píng)論文本作為輸入x={x1 , x2 , ··· , xk},在編碼過程中,通過編碼器g將輸入樣本映射到特征空間z,z= g(x)。z=[h,c],h和c分別是編碼器中的LSTM在對(duì)輸入文本x中的每個(gè)token處理后輸出的hidden state和cell state的最后一層。在解碼過程中,通過解碼器f將特征空間z映射回原始空間得到重構(gòu)樣本x'={x1', x2',··· , xk'},p(x'|z)= f(z)。優(yōu)化目標(biāo)則是通過最小化重構(gòu)誤差來同時(shí)優(yōu)化encoder和decoder,從而學(xué)習(xí)得到針對(duì)文本輸入x的抽象特征表示z。在本模型中,使用的是標(biāo)準(zhǔn)的交叉熵誤差作為重構(gòu)誤差。

    [?rec({x1,x2...,xk},g,f)? =j=1k?cross_entropy(xj,f(g(xj)))]? ? ? (1)

    第二部分則是引入注意力機(jī)制的摘要模塊。在摘要模塊中,將特征空間z引入到注意力機(jī)制中,結(jié)合當(dāng)前系統(tǒng)主題與源文檔主題得到的主題相似度,得到最終注意力權(quán)重α。再將z與α結(jié)合,由此得到新的上下文信息C,最終將C輸入到解碼器f中,得到摘要y。將產(chǎn)生的摘要y輸入到編碼器g中,得到z',z'= g(y),z'=[h',c']。在本模塊中,優(yōu)化目標(biāo)是最小化z和z'中h的誤差,計(jì)算z和z'中h的誤差則是使用余弦距離來進(jìn)行計(jì)算。

    [C=j=1khjαj]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?(2)

    [y~fC]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (3)

    [?sim({x1,x2,…,xk},g,f)=j=1kαjdcos (hj,h')]? ? ? ? ? ? ? (4)

    本文模型的整體架構(gòu)如圖1所示。其中AutoEncoder模塊和摘要模塊中的編碼器encoder是參數(shù)共享的,解碼器decoder也是參數(shù)共享的。在本模型中,總的損失函數(shù)[?model =?rec+?sim]。

    3 面向主題的文本摘要生成模型的構(gòu)建

    3.1 主題標(biāo)記及向量表示

    在數(shù)據(jù)預(yù)處理過程中,人工對(duì)實(shí)驗(yàn)數(shù)據(jù)集中的文本信息進(jìn)行主題標(biāo)記,按照服務(wù)、環(huán)境、價(jià)格三個(gè)主題給文本進(jìn)行標(biāo)記,并以一個(gè)三維向量進(jìn)行表示v={v1,v2,v3},若文本中包含了某個(gè)主題,則對(duì)應(yīng)位置的值為1,否則為0。此外模型會(huì)隨機(jī)生成目標(biāo)主題V={V1,V2,V3},以一個(gè)one-hot[12]形式表示,分別對(duì)應(yīng)服務(wù)、環(huán)境、價(jià)格這三個(gè)主題,其中的有效位代表模型需要生成與有效位所對(duì)應(yīng)的主題相關(guān)的摘要。

    3.2 編碼器

    編碼器encoder采用的是單層單向的LSTM網(wǎng)絡(luò)來對(duì)輸入文本進(jìn)行編碼,從而將輸入文本映射到特征空間。LSTM的定義如下:

    [it=σ(Wi[ht-1,xt])]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (5)

    [ut=σ(Wu[ht-1,xt])]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (6)

    [c~t=tanh(Wc[ht-1,xt])]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (7)

    [ot=σ(Wo[ht-1,xt])]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?(8)

    其中Wi、Wu、Wc、Wo是權(quán)重矩陣。

    [ct=ut*ct-1+it*c~t]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?(9)

    [ht=ot*tanh(ct)]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?(10)

    其中h為短記憶,c為長記憶。

    在編碼器中,LSTM網(wǎng)絡(luò)首先將初始狀態(tài)h0,c0設(shè)置為零向量。然后將輸入文本的詞嵌入向量從左至右的讀入,最終得到一個(gè)特征向量z,z=[h,c]。

    3.3 解碼器

    本文使用由注意力機(jī)制所計(jì)算出的注意力并結(jié)合LSTM網(wǎng)絡(luò)共同解碼并生成摘要。解碼過程可分為兩個(gè)部分,第一個(gè)部分是利用注意力機(jī)制對(duì)z中的h進(jìn)行注意力觀察,并結(jié)合模型主題與輸入文本之間的主題相似度,從而有針對(duì)性地生成一組對(duì)應(yīng)的注意力權(quán)重α,將生成的注意力權(quán)重α與h結(jié)合,從而產(chǎn)生一個(gè)新的上下文信息C。第二個(gè)部分則是在每個(gè)解碼時(shí)間步t時(shí)刻,LSTM網(wǎng)絡(luò)結(jié)合前一個(gè)詞向量wt-1、上一個(gè)時(shí)間步的解碼狀態(tài)[hdt-1]以及[cdt-1]計(jì)算新的解碼狀態(tài)hd t和cd t,并產(chǎn)生yt。具體實(shí)現(xiàn)過程如下:

    [βi=1,Vi?vi-1, Vi?vi]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (11)

    其中V為系統(tǒng)隨機(jī)產(chǎn)生的one-hot向量,為目標(biāo)主題。v = {v1,v2,...,vk},為輸入文本所體現(xiàn)的主題向量。β = {β1,β1,...,βk}為模型主題與輸入文本之間的主題相似度。

    構(gòu)成上下文信息C的注意力權(quán)重α的計(jì)算結(jié)果如下:

    [αi=exp(η(hi,wd)βi)i=1kexp(η(hi,wd)βi)]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?(12)

    [C=i=1kαihi]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (13)

    [hdt=C? ? ? ? ? ? ? ? ?(t=0)]? ? ? ? ? ? ? ? ? ? ? ? ? ?(14)

    [cdt=i=1kαici? ? ? ? ?(t=0)]? ? ? ? ? ? ? ? ? ? ? ? ? ? (15)

    得到新的上下文信息Ct后,結(jié)合前一個(gè)詞yt-1,以及上一個(gè)時(shí)間步的解碼狀態(tài)hd t-1以及cd t-1,從而獲得當(dāng)前輸出狀態(tài)st,以及當(dāng)前解碼狀態(tài)hd t和cd t。

    [odt,hdt,cdt=LSTM(yt-1,hdt-1,cdt-1)]? ? ? ? ? ? ? ? ? ? ? ?(16)

    [st=maxot,jj=1,2,...,T]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (17)

    [p(yty1,y2,...,yt-1)=softmax(Wsst)]? ? ? ? ? ? ? ? ? ? ?(18)

    4 實(shí)驗(yàn)結(jié)果與分析

    4.1 實(shí)驗(yàn)數(shù)據(jù)集

    本文實(shí)驗(yàn)所使用的數(shù)據(jù)集為YELP數(shù)據(jù)集[13],該數(shù)據(jù)集包含兩個(gè)部分。

    1) 第一個(gè)部分是Businesses。它包含了YELP數(shù)據(jù)集中的商戶信息。

    2) 第二個(gè)部分是Reviews。它包含了YELP數(shù)據(jù)集中顧客對(duì)Businesses中商戶的評(píng)論信息,主要包含了文本評(píng)論和情感打分(1~5分)。

    3) 本文實(shí)驗(yàn)先對(duì)Businesses中商戶類型進(jìn)行了篩選,要求商戶類別中必須包含Restaurants標(biāo)簽,再對(duì)通過篩選后的商戶所對(duì)應(yīng)的Reviews中的評(píng)論信息進(jìn)行篩選,首先將評(píng)論信息中商戶出現(xiàn)頻次超過90%的商戶排除在外,這樣做的目的是為了避免數(shù)據(jù)集中出現(xiàn)某個(gè)商戶的評(píng)論信息過多,從而導(dǎo)致數(shù)據(jù)不均衡。并要求每個(gè)商戶所對(duì)應(yīng)的評(píng)論信息的條數(shù)大于等于50條,且每條評(píng)論信息中的文本評(píng)論長度小于等于150個(gè)單詞。

    最終訓(xùn)練集、驗(yàn)證集、測(cè)試集分別對(duì)應(yīng)有27560、3327、3321條文本評(píng)論信息,其中與“服務(wù)”主題有關(guān)的文本評(píng)論有15002條,與“環(huán)境”主題有關(guān)的文本評(píng)論有9234條,與“價(jià)格”主題有關(guān)的文本評(píng)論有7785條。

    4.2 評(píng)價(jià)標(biāo)準(zhǔn)

    由于本文實(shí)驗(yàn)所使用的數(shù)據(jù)集為YELP數(shù)據(jù)集,且該數(shù)據(jù)集無Ground truth,所以采用以下三個(gè)指標(biāo)作為評(píng)價(jià)標(biāo)準(zhǔn)。

    1) Word Overlap Score

    在文本摘要領(lǐng)域中,對(duì)于摘要常用的評(píng)價(jià)工具為ROUGE[13],其通過計(jì)算標(biāo)準(zhǔn)摘要和實(shí)驗(yàn)結(jié)果所生成的摘要計(jì)算重疊的詞匯來衡量摘要生成的質(zhì)量。由于本數(shù)據(jù)集無標(biāo)準(zhǔn)摘要,所以使用輸入文本x中每條文本與摘要計(jì)算一次ROUGE score,并將ROUGE score加權(quán)求和來表示摘要與輸入文本的詞重疊比例。在本實(shí)驗(yàn)中,計(jì)算ROUGE score使用ROUGE-1。

    [WO=1Ni=1N[j=1kα(i)jROUGE(y(i),x(i)j)]]? ? ? ? ? ? ? ? ? ? ? ?(19)

    其中N為一次訓(xùn)練中的數(shù)據(jù)塊的個(gè)數(shù),x(i)j為第i個(gè)數(shù)據(jù)塊中第j條輸入文本,y(i)為第i個(gè)數(shù)據(jù)塊所生成的文本摘要,α(i)j為解碼器在第i個(gè)數(shù)據(jù)塊中注意力機(jī)制所計(jì)算出的第j個(gè)注意力權(quán)重。

    2) Sentiment accuracy

    一條有用的摘要不僅要在內(nèi)容上體現(xiàn)主題相關(guān)性,還要在情感上保持著一致性。由于一條評(píng)論信息中可能包含多個(gè)主題,所以當(dāng)出現(xiàn)多主題這種情況時(shí),可以認(rèn)為評(píng)論信息的評(píng)分是顧客折中后給出的評(píng)分,即可以使用該評(píng)分來代表評(píng)論信息中關(guān)于某個(gè)主題的情感分?jǐn)?shù)。

    [1N[i=1N(CLF(y(i))=round(j=1kα(i)jr(x(i)j)))]]? ? ? ? ? ? ? ? (20)

    其中CLF為評(píng)分器,[r(x(i)j)]為第i個(gè)數(shù)據(jù)塊中第j條輸入文本的評(píng)分。

    3) Negative Log-Likelihood(NLL)

    為了評(píng)價(jià)實(shí)驗(yàn)所生成的文本摘要是否流暢通順,所以根據(jù)本實(shí)驗(yàn)?zāi)P皖A(yù)訓(xùn)練了一個(gè)語言模型,由訓(xùn)練好的語言模型來計(jì)算文本摘要的負(fù)對(duì)數(shù)似然的值來對(duì)文本進(jìn)行評(píng)判。

    4.3 實(shí)驗(yàn)設(shè)置

    在本實(shí)驗(yàn)的數(shù)據(jù)預(yù)處理過程中,使用了一個(gè)開源的單詞分詞器[14]對(duì)文本進(jìn)行分詞,再使用subword[15]模型,最終生成一個(gè)包含了32000個(gè)單詞的詞典。在實(shí)驗(yàn)中使用subword模型不僅可以減小詞表的大小,而且還可以解決seq2seq模型中經(jīng)常出現(xiàn)的稀有詞問題(UNK問題)。

    本實(shí)驗(yàn)使用的語言是Pytorch,在本實(shí)驗(yàn)中語言模型,編碼器,解碼器均使用了512維的LSTM,256維度的詞向量。本實(shí)驗(yàn)采用了Adam[16]模型優(yōu)化器,β1=0.9,β2=0.99。對(duì)于語言模型,學(xué)習(xí)率設(shè)定為0.001,對(duì)于面向主題的文本摘要生成模型,學(xué)習(xí)率設(shè)定為0.0005,對(duì)于評(píng)分器,學(xué)習(xí)率設(shè)定為0.0001。在對(duì)語言模型和面向主題的文本摘要生成模型的訓(xùn)練中,擬定每次輸入模型的文本數(shù)k=30,在對(duì)評(píng)分器的訓(xùn)練中,擬定每次輸入模型的文本數(shù)為1。

    語言模型的創(chuàng)建是為了評(píng)判摘要是否流暢通順,其本質(zhì)是一個(gè)LSTM網(wǎng)絡(luò)。擬定模型的輸入項(xiàng)為30條文本評(píng)論以及它們的結(jié)束定界符的組合,初始狀態(tài)h0和c0都為零向量。評(píng)分器是類似于RUSH[17]等人提到的多通道文本卷積神經(jīng)網(wǎng)絡(luò),它具有3、4、5三個(gè)不同寬度的過濾器,每個(gè)過濾器具有128個(gè)特征圖以及0.5的淘汰率。

    4.4 對(duì)比方法

    本文選取了三個(gè)基準(zhǔn)模型和本文提出的模型進(jìn)行比較。

    Opinosis[18]是一個(gè)基于圖結(jié)構(gòu)的摘要算法,旨在利用高度冗余的文本信息生成簡短的文本摘要,雖然該算法是生成式摘要算法,但是它只能通過從輸入文本中選取單詞,從而組成摘要。

    VAE[19]是一個(gè)變分自編碼器,通過平均從輸入文本采樣到的隱變量Z,從而生成一條文本摘要。

    MeanSum[20]是一個(gè)基于序列到序列的無監(jiān)督的文本摘要模型。該模型通過將特征向量z平均后送入到解碼器中,從而產(chǎn)生一條文本摘要。

    4.5 實(shí)驗(yàn)結(jié)果分析

    由表1結(jié)果可見:

    1)Opinosis在詞重疊和情感準(zhǔn)確度這兩方面較其他三個(gè)方法還是略有不足,說明在生成式文本摘要這一任務(wù)中,采用深度學(xué)習(xí)的方法更加有效。

    2)本文方法相較MeanSum而言,不僅引入了主題向量表示的概念及使用,而且還在解碼端使用了注意力機(jī)制,不僅彌補(bǔ)了MeanSum在多文檔摘要生成任務(wù)中的情感準(zhǔn)確度較低的問題,而且在內(nèi)容上,也更能體現(xiàn)主題相關(guān)性。

    3)本文方法及其對(duì)照方法實(shí)際生成的文本摘要實(shí)例如表2所示。Opinosis通過抽取文本中的單詞來生成文本摘要,VAE則更偏向于利用文本中大量的冗余信息來生成文本摘要,MeanSum通過平均輸入文本信息生成文本摘要,但以上三種方法都不能合理利用文本信息中的主題信息,本文方法通過注意力機(jī)制使得擁有目標(biāo)主題的文本擁有更大的注意力權(quán)重,以此引導(dǎo)解碼器生成與目標(biāo)主題內(nèi)容相關(guān)的文本摘要。

    5 結(jié)論

    本文提出了一個(gè)面向主題的文本摘要生成算法,該算法不僅引入了主題信息的向量表示及其應(yīng)用,還將對(duì)輸出向量的注意力與主題向量進(jìn)行了信息融合。在YELP數(shù)據(jù)集上實(shí)驗(yàn)所得到的實(shí)驗(yàn)結(jié)果證實(shí)表明,該算法生成的文本摘要在內(nèi)容上可以更好地體現(xiàn)主題,且更能準(zhǔn)確地反映輸入文本中關(guān)于主題的情感。而且在未來還有很多等待發(fā)掘的工作,例如將本算法應(yīng)用在中文的文本摘要生成上,或者是嘗試挖掘更深層次的主題信息的運(yùn)用方法。

    參考文獻(xiàn):

    [1] Rossiello G,Basile P,Semeraro G.Centroid-based text summarization through compositionality of word embeddings[C]//Proceedings of the MultiLing 2017 Workshop on Summarization and Summary Evaluation Across Source Types and Genres.Valencia,Spain.Stroudsburg,PA,USA:Association for Computational Linguistics,2017:12-21.

    [2] 馮讀娟,楊璐,嚴(yán)建峰.基于雙編碼器結(jié)構(gòu)的文本自動(dòng)摘要研究[J].計(jì)算機(jī)工程,2020,46(6):60-64.

    [3] Feng X, Liu M, Liu J, et al. Topic-to-Essay Generation with Neural Networks[C]//IJCAI. 2018: 4078-4084.

    [4] Hochreiter S,Schmidhuber J.Long short-term memory[J].Neural Computation,1997,9(8):1735-1780.

    [5] Guu K,Hashimoto T B,Oren Y,et al.Generating sentences by editing prototypes[J].Transactions of the Association for Computational Linguistics,2018,6:437-450.

    [6] Liu L Q,Lu Y,Yang M,et al.Generative adversarial network for abstractive text summarization[EB/OL].2017

    [7] Krishna K,Srinivasan B V.Generating topic-oriented summaries using neural attention[C]//Proceedings of the 2018 Conference of the North American Chapter of the Association for Computational Linguistics:Human Language Technologies,Volume 1 (Long Papers).New Orleans,Louisiana.Stroudsburg,PA,USA:Association for Computational Linguistics,2018:1697-1705.

    [8] Mihalcea R , Tarau P . TextRank: Bringing Order into Texts[C]//Proc Conference on Empirical Methods in Natural Language Processing,2004.

    [9] Graves A.Generating sequences with recurrent neural networks[EB/OL].2013

    [10] Fu R,Zhang Z,Li L.Using LSTM and GRU neural network methods for traffic flow prediction[C]//2016 31st Youth Academic Annual Conference of Chinese Association of Automation (YAC).November 11-13,2016,Wuhan,China.IEEE,2016:324-328.

    [11] Hinton G E,Krizhevsky A,Wang S D.Transforming auto-encoders[M]//Lecture Notes in Computer Science.Berlin,Heidelberg:Springer Berlin Heidelberg,2011:44-51.

    (下轉(zhuǎn)第148頁)

    (上接第130頁)

    [12] Lin C Y,Hovy E.Automatic evaluation of summaries using N-gram co-occurrence statistics[C]//Proceedings of the 2003 Conference of the North American Chapter of the Association for Computational Linguistics on Human Language Technology - NAACL '03.May 27-June 1,2003.Edmonton,Canada.Morristown,NJ,USA:Association for Computational Linguistics,2003:150-157.

    [13] Asghar N. Yelp dataset challenge: Review rating prediction[J]. arXiv preprint arXiv:1605.05362, 2016.

    [14] Wu Y H,Schuster M,Chen Z F.et al.Google's neural machine translation system:bridging the gap between human and machine translation[EB/OL].2016

    [15] Radev D R,Jing H Y,Sty? M,et al.Centroid-based summarization of multiple documents[J].Information Processing & Management,2004,40(6):919-938.

    [16] Han Z D.Dyna:a method of momentum for stochastic optimization[EB/OL].2018:arXiv:1805.04933[cs.LG].https://arxiv.org/abs/1805.04933.

    [17] Rush A M,Chopra S,Weston J.A neural attention model for abstractive sentence summarization[C]//Proceedings of the 2015 Conference on Empirical Methods in Natural Language Processing.Lisbon,Portugal.Stroudsburg,PA,USA:Association for Computational Linguistics,2015.

    [18] Ganesan K, Zhai C X, Han J. Opinosis: A graph based approach to abstractive summarization of highly redundant opinions[J]. 2010.

    [19] Bowman S R,Vilnis L,Vinyals O,et al.Generating sentences from a continuous space[C]//Proceedings of The 20th SIGNLL Conference on Computational Natural Language Learning.Berlin,Germany.Stroudsburg,PA,USA:Association for Computational Linguistics,2016.

    [20] Chu E,Liu P J.MeanSum:a neural model for unsupervised multi-document abstractive summarization[EB/OL].2018:arXiv:1810.05739[cs.CL].https://arxiv.org/abs/1810.05739.

    【通聯(lián)編輯:唐一東】

    日韩 亚洲 欧美在线| eeuss影院久久| 国产av不卡久久| 亚洲欧美日韩卡通动漫| 久热久热在线精品观看| 日本熟妇午夜| 亚洲成人中文字幕在线播放| 校园人妻丝袜中文字幕| 亚洲精品中文字幕在线视频 | 日日撸夜夜添| 午夜免费激情av| 高清毛片免费看| 日本熟妇午夜| 搡女人真爽免费视频火全软件| 亚洲精品国产成人久久av| 日韩亚洲欧美综合| 免费少妇av软件| 精品国产一区二区三区久久久樱花 | 国产精品伦人一区二区| 国内精品一区二区在线观看| 久久这里只有精品中国| 一区二区三区四区激情视频| 亚洲精品乱码久久久v下载方式| 欧美人与善性xxx| 亚洲精品视频女| 日韩av免费高清视频| 禁无遮挡网站| 大又大粗又爽又黄少妇毛片口| 久久久久久久久久人人人人人人| 国产成人免费观看mmmm| 亚洲最大成人手机在线| 又黄又爽又刺激的免费视频.| 老司机影院毛片| 亚洲精品成人久久久久久| 欧美性感艳星| 如何舔出高潮| 人人妻人人澡人人爽人人夜夜 | 麻豆精品久久久久久蜜桃| 国产在线男女| 国产午夜精品久久久久久一区二区三区| 色综合站精品国产| 麻豆精品久久久久久蜜桃| 亚洲精品一二三| 永久免费av网站大全| 婷婷色综合大香蕉| 看非洲黑人一级黄片| 一个人看视频在线观看www免费| 国产精品99久久久久久久久| 国产熟女欧美一区二区| 街头女战士在线观看网站| 九色成人免费人妻av| 亚洲高清免费不卡视频| 国产精品久久久久久精品电影小说 | 久久久久国产网址| 亚洲精品视频女| 精品久久久久久电影网| 日日干狠狠操夜夜爽| 非洲黑人性xxxx精品又粗又长| 丝瓜视频免费看黄片| 熟妇人妻久久中文字幕3abv| 寂寞人妻少妇视频99o| 国产伦精品一区二区三区视频9| 亚洲精品国产成人久久av| 国产精品嫩草影院av在线观看| 91在线精品国自产拍蜜月| 国产亚洲91精品色在线| 菩萨蛮人人尽说江南好唐韦庄| 精品午夜福利在线看| 日本免费a在线| 美女cb高潮喷水在线观看| 国产精品久久久久久久久免| 男女那种视频在线观看| 国产在线男女| 成年版毛片免费区| 最近中文字幕2019免费版| 日本wwww免费看| 少妇猛男粗大的猛烈进出视频 | 国产成人a区在线观看| 精品熟女少妇av免费看| 丰满乱子伦码专区| 韩国av在线不卡| 久久久久久久久久成人| 国产不卡一卡二| 亚洲aⅴ乱码一区二区在线播放| 中文字幕亚洲精品专区| 亚洲国产高清在线一区二区三| 日韩欧美三级三区| 免费黄色在线免费观看| 女人久久www免费人成看片| 日韩不卡一区二区三区视频在线| 一级毛片我不卡| 天堂影院成人在线观看| 精品一区二区三区人妻视频| 成人漫画全彩无遮挡| 婷婷色av中文字幕| 久久久久久久久久人人人人人人| 精品久久国产蜜桃| 久久精品久久久久久久性| 亚洲最大成人中文| 国产精品一及| 男人和女人高潮做爰伦理| 联通29元200g的流量卡| 亚洲精品视频女| 少妇裸体淫交视频免费看高清| 亚洲精品456在线播放app| 免费大片黄手机在线观看| 久久这里只有精品中国| 日韩 亚洲 欧美在线| 国产伦理片在线播放av一区| 国产成人91sexporn| 国产亚洲av嫩草精品影院| 欧美97在线视频| av天堂中文字幕网| 久久精品久久久久久噜噜老黄| 亚洲av电影在线观看一区二区三区 | 欧美zozozo另类| 亚洲精品乱码久久久v下载方式| 熟女电影av网| 国产亚洲最大av| 啦啦啦啦在线视频资源| 三级男女做爰猛烈吃奶摸视频| 最近最新中文字幕免费大全7| 国产精品嫩草影院av在线观看| 午夜视频国产福利| 热99在线观看视频| 久久久久精品性色| 精品少妇黑人巨大在线播放| 免费电影在线观看免费观看| 免费在线观看成人毛片| 亚洲成色77777| 亚洲自偷自拍三级| 欧美3d第一页| 熟女电影av网| 狂野欧美激情性xxxx在线观看| 亚洲一区高清亚洲精品| 美女脱内裤让男人舔精品视频| 国产av不卡久久| 99热这里只有是精品在线观看| 国产成人freesex在线| 亚洲欧美成人综合另类久久久| 午夜福利视频1000在线观看| 特级一级黄色大片| 亚洲熟妇中文字幕五十中出| 秋霞在线观看毛片| 插逼视频在线观看| 国产精品精品国产色婷婷| 午夜精品国产一区二区电影 | 亚洲av中文av极速乱| 日本av手机在线免费观看| av线在线观看网站| 亚洲av国产av综合av卡| 天天躁日日操中文字幕| 成人一区二区视频在线观看| 日韩欧美精品v在线| 国产成人a∨麻豆精品| 国产大屁股一区二区在线视频| 久久热精品热| 久久午夜福利片| 亚洲在线自拍视频| 久久国产乱子免费精品| 亚洲精品日本国产第一区| 国产亚洲精品av在线| 精品国产三级普通话版| 国产精品美女特级片免费视频播放器| h日本视频在线播放| 亚洲18禁久久av| 一级黄片播放器| 色综合色国产| 男女国产视频网站| 丝袜喷水一区| 国产精品福利在线免费观看| 禁无遮挡网站| 久久久久久久久久成人| 亚洲av男天堂| 干丝袜人妻中文字幕| av天堂中文字幕网| 亚洲av一区综合| videos熟女内射| ponron亚洲| 亚洲精品久久午夜乱码| 精品国内亚洲2022精品成人| 男人舔女人下体高潮全视频| 国产麻豆成人av免费视频| 天天一区二区日本电影三级| 有码 亚洲区| 一级av片app| 你懂的网址亚洲精品在线观看| 乱人视频在线观看| 亚洲不卡免费看| 国产免费一级a男人的天堂| av在线天堂中文字幕| av线在线观看网站| 国产真实伦视频高清在线观看| 97热精品久久久久久| 久久久精品免费免费高清| 最新中文字幕久久久久| 99热全是精品| 人妻夜夜爽99麻豆av| 一级毛片久久久久久久久女| 免费人成在线观看视频色| av免费观看日本| 美女cb高潮喷水在线观看| 亚洲国产日韩欧美精品在线观看| 亚洲av免费在线观看| 人妻系列 视频| 欧美日韩综合久久久久久| 国产成人a区在线观看| 91久久精品电影网| av国产久精品久网站免费入址| 久久精品熟女亚洲av麻豆精品 | 在线免费观看不下载黄p国产| 国产精品一区二区三区四区免费观看| 亚洲精品国产成人久久av| 国产乱人偷精品视频| 男女边摸边吃奶| 久久韩国三级中文字幕| 99re6热这里在线精品视频| 国产精品人妻久久久影院| 91精品国产九色| 国产午夜福利久久久久久| 校园人妻丝袜中文字幕| 中文字幕av在线有码专区| 又大又黄又爽视频免费| 亚洲精品第二区| .国产精品久久| 嫩草影院精品99| 在线观看人妻少妇| 亚洲美女视频黄频| 午夜激情福利司机影院| 亚洲经典国产精华液单| 亚洲av电影在线观看一区二区三区 | 日韩视频在线欧美| 七月丁香在线播放| 特大巨黑吊av在线直播| 日日啪夜夜撸| 一本久久精品| 亚洲成色77777| 舔av片在线| av线在线观看网站| 婷婷色综合大香蕉| 午夜激情福利司机影院| 一区二区三区高清视频在线| 一二三四中文在线观看免费高清| 久久久久免费精品人妻一区二区| 久久久久久久午夜电影| 精品一区二区三卡| 免费不卡的大黄色大毛片视频在线观看 | 人人妻人人澡人人爽人人夜夜 | 国产淫语在线视频| 亚洲综合色惰| 久久久久久久国产电影| 免费高清在线观看视频在线观看| 午夜精品在线福利| 成人亚洲欧美一区二区av| 91久久精品国产一区二区三区| 伊人久久国产一区二区| 日本午夜av视频| 亚洲精品日本国产第一区| 少妇高潮的动态图| 国产精品精品国产色婷婷| 国产大屁股一区二区在线视频| 91av网一区二区| 国内精品宾馆在线| 三级男女做爰猛烈吃奶摸视频| 99九九线精品视频在线观看视频| 成人欧美大片| 一级毛片 在线播放| 人妻系列 视频| 国产午夜福利久久久久久| 两个人视频免费观看高清| 亚洲人成网站在线观看播放| 久久人人爽人人爽人人片va| 中文在线观看免费www的网站| 自拍偷自拍亚洲精品老妇| 男插女下体视频免费在线播放| 国产伦在线观看视频一区| 亚洲一级一片aⅴ在线观看| 麻豆av噜噜一区二区三区| av.在线天堂| 久久97久久精品| 国产成人午夜福利电影在线观看| 亚洲内射少妇av| 又爽又黄a免费视频| 精华霜和精华液先用哪个| 国产美女午夜福利| ponron亚洲| 一级毛片我不卡| 看免费成人av毛片| 校园人妻丝袜中文字幕| 国产精品99久久久久久久久| 乱人视频在线观看| 看黄色毛片网站| 亚州av有码| 亚洲av不卡在线观看| 国产乱人视频| 国产在视频线精品| 日韩成人伦理影院| 日韩av免费高清视频| 国产在线一区二区三区精| 欧美日韩在线观看h| 国产片特级美女逼逼视频| 网址你懂的国产日韩在线| 一级毛片电影观看| 成人美女网站在线观看视频| 亚洲一级一片aⅴ在线观看| 中文字幕免费在线视频6| 男的添女的下面高潮视频| 欧美成人一区二区免费高清观看| 免费大片黄手机在线观看| 亚洲av电影在线观看一区二区三区 | 国产亚洲精品av在线| 亚州av有码| 日本三级黄在线观看| 亚洲熟女精品中文字幕| 国产亚洲一区二区精品| 亚洲精品视频女| 精品欧美国产一区二区三| 色网站视频免费| 天美传媒精品一区二区| 看黄色毛片网站| 天堂√8在线中文| 久久精品国产亚洲av天美| 亚洲精品日韩av片在线观看| 婷婷色av中文字幕| 欧美日韩在线观看h| 韩国av在线不卡| 日韩一本色道免费dvd| 亚洲精品日本国产第一区| 免费观看在线日韩| 一本一本综合久久| 国产一级毛片七仙女欲春2| 大片免费播放器 马上看| 久久鲁丝午夜福利片| 在线观看美女被高潮喷水网站| 欧美变态另类bdsm刘玥| av一本久久久久| 亚洲丝袜综合中文字幕| 国产成人福利小说| 少妇的逼水好多| 九色成人免费人妻av| 国产色婷婷99| 精品久久久久久久久av| 99久久精品一区二区三区| 久久人人爽人人爽人人片va| 欧美潮喷喷水| 男女边吃奶边做爰视频| 久久久欧美国产精品| 久久久久久国产a免费观看| 久久精品熟女亚洲av麻豆精品 | av黄色大香蕉| 亚洲av.av天堂| 国产久久久一区二区三区| 哪个播放器可以免费观看大片| 午夜激情福利司机影院| 亚洲真实伦在线观看| 久久人人爽人人片av| 婷婷色麻豆天堂久久| 欧美xxxx黑人xx丫x性爽| 国产精品一区二区在线观看99 | 亚洲性久久影院| 99九九线精品视频在线观看视频| 99re6热这里在线精品视频| 麻豆国产97在线/欧美| 成人美女网站在线观看视频| 精品久久久久久久久av| 久久久欧美国产精品| or卡值多少钱| 特级一级黄色大片| 丝袜美腿在线中文| 亚洲经典国产精华液单| 国产精品久久视频播放| 亚洲国产高清在线一区二区三| 亚洲欧美清纯卡通| 亚洲欧美一区二区三区黑人 | 纵有疾风起免费观看全集完整版 | 91狼人影院| 亚洲国产精品专区欧美| videos熟女内射| 亚洲美女视频黄频| 超碰97精品在线观看| 国产精品一区二区性色av| 国产片特级美女逼逼视频| 永久免费av网站大全| 久99久视频精品免费| 欧美精品一区二区大全| 亚洲人与动物交配视频| 久久久午夜欧美精品| 在线免费观看不下载黄p国产| 婷婷色麻豆天堂久久| 国产精品一二三区在线看| 国产亚洲5aaaaa淫片| 国产精品一二三区在线看| 日韩欧美精品v在线| 蜜桃亚洲精品一区二区三区| 91av网一区二区| 中文字幕制服av| 日韩精品有码人妻一区| 日日啪夜夜爽| 国产成年人精品一区二区| 99热这里只有是精品50| 精品久久国产蜜桃| 国产伦一二天堂av在线观看| 久久精品久久精品一区二区三区| av天堂中文字幕网| 好男人在线观看高清免费视频| 三级国产精品欧美在线观看| 午夜激情欧美在线| 精品人妻视频免费看| 成人亚洲精品av一区二区| 久久这里只有精品中国| 99热这里只有是精品50| 男女国产视频网站| 日韩,欧美,国产一区二区三区| 亚洲欧美日韩卡通动漫| 高清午夜精品一区二区三区| 国产精品美女特级片免费视频播放器| 神马国产精品三级电影在线观看| 女人被狂操c到高潮| 看非洲黑人一级黄片| 亚洲精品一区蜜桃| 国产精品人妻久久久影院| 成人欧美大片| 在线观看美女被高潮喷水网站| www.av在线官网国产| 一个人观看的视频www高清免费观看| 色网站视频免费| 老司机影院成人| 亚洲精品视频女| 又爽又黄无遮挡网站| 日韩中字成人| 十八禁国产超污无遮挡网站| 黑人高潮一二区| 亚洲av中文字字幕乱码综合| 一夜夜www| 人人妻人人澡人人爽人人夜夜 | 一个人看的www免费观看视频| 精品久久久精品久久久| 天天躁夜夜躁狠狠久久av| 99热这里只有是精品在线观看| 欧美日韩精品成人综合77777| 久久久久久久久久久丰满| xxx大片免费视频| 久久久欧美国产精品| 最近中文字幕高清免费大全6| 波野结衣二区三区在线| 国产精品熟女久久久久浪| 精品人妻偷拍中文字幕| 久热久热在线精品观看| 美女黄网站色视频| 中文字幕av在线有码专区| 综合色丁香网| 欧美最新免费一区二区三区| 国产精品嫩草影院av在线观看| 亚洲精品亚洲一区二区| 狠狠精品人妻久久久久久综合| 亚洲一级一片aⅴ在线观看| 99久久精品一区二区三区| 一级毛片久久久久久久久女| 国产男女超爽视频在线观看| 国产成人精品福利久久| 69人妻影院| 99视频精品全部免费 在线| 春色校园在线视频观看| 日韩一本色道免费dvd| 成人二区视频| 国产 亚洲一区二区三区 | 十八禁国产超污无遮挡网站| 国产视频首页在线观看| 国内精品一区二区在线观看| 国内精品宾馆在线| 国产黄频视频在线观看| 又爽又黄a免费视频| 精品久久国产蜜桃| 国内精品一区二区在线观看| 亚洲最大成人手机在线| 日本与韩国留学比较| 99久久人妻综合| 床上黄色一级片| 特级一级黄色大片| 亚洲综合精品二区| 亚洲激情五月婷婷啪啪| 欧美日韩亚洲高清精品| 日韩欧美三级三区| 国产伦理片在线播放av一区| 日韩欧美精品免费久久| 婷婷色麻豆天堂久久| 国产91av在线免费观看| 高清av免费在线| 精品少妇黑人巨大在线播放| 99久久精品国产国产毛片| 男女啪啪激烈高潮av片| 国产精品伦人一区二区| 婷婷色综合大香蕉| 成人亚洲精品av一区二区| 久久久久精品久久久久真实原创| 成年av动漫网址| 久久这里只有精品中国| 尤物成人国产欧美一区二区三区| 国产不卡一卡二| 亚洲人成网站在线播| 精品国产三级普通话版| 国产久久久一区二区三区| 亚洲欧洲国产日韩| 极品少妇高潮喷水抽搐| 欧美另类一区| 国产精品1区2区在线观看.| 人妻少妇偷人精品九色| 久久精品久久久久久噜噜老黄| 国产免费又黄又爽又色| 69人妻影院| 寂寞人妻少妇视频99o| 成人鲁丝片一二三区免费| 菩萨蛮人人尽说江南好唐韦庄| 日韩欧美一区视频在线观看 | 寂寞人妻少妇视频99o| 又爽又黄无遮挡网站| 97超视频在线观看视频| 中文资源天堂在线| 97热精品久久久久久| 男人舔奶头视频| 九九爱精品视频在线观看| 床上黄色一级片| 欧美激情久久久久久爽电影| 成人av在线播放网站| 亚洲精品,欧美精品| 国产在线一区二区三区精| 亚洲精品国产成人久久av| .国产精品久久| 午夜激情欧美在线| 美女国产视频在线观看| 久久久久免费精品人妻一区二区| 亚洲欧美清纯卡通| 亚洲欧美日韩无卡精品| 黄色欧美视频在线观看| 国产探花在线观看一区二区| 女人十人毛片免费观看3o分钟| 纵有疾风起免费观看全集完整版 | 免费高清在线观看视频在线观看| videos熟女内射| 一级二级三级毛片免费看| 在线a可以看的网站| 久久精品夜色国产| 美女国产视频在线观看| 国产成人一区二区在线| 亚洲av免费高清在线观看| 97人妻精品一区二区三区麻豆| 国产免费又黄又爽又色| 欧美zozozo另类| 国产永久视频网站| 99热这里只有精品一区| 久久久久久国产a免费观看| 亚洲经典国产精华液单| 免费在线观看成人毛片| 日韩大片免费观看网站| 亚洲性久久影院| 国产精品熟女久久久久浪| 精品久久久久久久久亚洲| 美女被艹到高潮喷水动态| 91久久精品国产一区二区成人| 国产高潮美女av| 亚洲av电影不卡..在线观看| 国产一区二区亚洲精品在线观看| 在线a可以看的网站| 成年免费大片在线观看| xxx大片免费视频| 国产毛片a区久久久久| 国产精品久久久久久精品电影小说 | 天天一区二区日本电影三级| 国产精品久久久久久精品电影小说 | 三级经典国产精品| 久久精品国产亚洲网站| 日韩大片免费观看网站| 日本熟妇午夜| 国产黄色视频一区二区在线观看| 亚洲综合色惰| 国产探花极品一区二区| 国产片特级美女逼逼视频| 亚洲欧洲国产日韩| 久久亚洲国产成人精品v| 一本一本综合久久| 精品国产三级普通话版| 亚洲国产日韩欧美精品在线观看| 国内精品宾馆在线| 少妇丰满av| 亚洲av中文字字幕乱码综合| 性色avwww在线观看| 美女大奶头视频| 国产激情偷乱视频一区二区| 亚洲高清免费不卡视频| 黄片无遮挡物在线观看| 亚洲欧美精品自产自拍| 特大巨黑吊av在线直播| 91久久精品国产一区二区三区| 国产精品久久久久久久电影| 99久国产av精品| 国产亚洲午夜精品一区二区久久 | 久久久久久久久久黄片| 国内精品一区二区在线观看| 99热6这里只有精品| 亚州av有码| 白带黄色成豆腐渣| 韩国高清视频一区二区三区| 亚洲18禁久久av| 人人妻人人澡人人爽人人夜夜 | 日韩av不卡免费在线播放| videos熟女内射| 亚洲欧美日韩卡通动漫| 国产精品国产三级专区第一集| 一级爰片在线观看| 嫩草影院入口| 精品人妻视频免费看| 80岁老熟妇乱子伦牲交| 2021少妇久久久久久久久久久| 精品国产三级普通话版| 伦精品一区二区三区|