• <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。當源文檔中存在著多個主題的內(nèi)容時,現(xiàn)有的大多數(shù)生成式文本摘要方法會盡全面地對多主題內(nèi)容進行概括和總結(jié),而對其中包含某個主題的內(nèi)容可能無法進行細致描述。針對這一問題,本文提出了一個面向主題信息的無監(jiān)督文本摘要生成方法。在給定目標主題信息的情況下,在解碼器中利用注意力機制將目標主題信息與文本本身的主題信息進行信息融合,從而使得包含了目標主題的文本得到較大的注意力權(quán)重,以此生成與目標主題相關(guān)的文本摘要。在大規(guī)模英文文本數(shù)據(jù)集Yelp上的實驗結(jié)果驗證了所提方法的有效性和先進性。

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

    中圖分類號:TP18? ? ? 文獻標識碼:A

    文章編號:1009-3044(2021)28-0127-04

    開放科學(資源服務(wù))標識碼(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重,對各類文本進行一個“降 維”處理顯得非常必要,文本摘要便是其中一個重要的手段。文本摘要技術(shù)是指通過各種技術(shù),對文本或者是文本集合,抽取、總結(jié)或是精煉其中的要點信息,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文檔中生成摘要,多文檔摘要則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。而生成式摘要則是根據(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)實現(xiàn),來自GoogleBrain團隊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,一些基于深度學習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)進行訓練,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)造一個包含多個主題的文本數(shù)據(jù)集,針對同一文本,輸入不同的主題信息,從而生成相應(yīng)主題的文本摘要。也有學者通過對數(shù)據(jù)文本進行一些預處理,如使用TextRank技術(shù)[8],選出若干與當前文本相關(guān)的主題詞,將主題詞與文本作為輸入,利用注意力機制將主題詞與輸入文本進行信息融合,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,本文提出一個面向主題的無監(jiān)督文本摘要生成方法。先給定目標主題,然后在解碼器中利用注意力機制將目標主題信息與文本主題信息進行融合,因此不同主題的文本得到不同的注意力權(quán)重,擁有目標主題的文本則得到較大的注意力權(quán)重,從而生成與目標主題相關(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進行解碼,得到生成結(jié)果y={y1 , y2 , ··· , yn}。

    為了規(guī)避標準RNN無法長距離記憶的問題,一般會使用RNN的兩種改進的網(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,主要包含了兩個部分,第一個部分是一個Auto Encoder[11]模塊,Auto Encoder也叫做自編碼器,Auto Encoder包含兩個過程:encode和decode。給定k條評論文本作為輸入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在對輸入文本x中的每個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)化目標則是通過最小化重構(gòu)誤差來同時優(yōu)化encoder和decoder,從而學習得到針對文本輸入x的抽象特征表示z。在本模型中,使用的是標準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引入到注意力機制中,結(jié)合當前系統(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)化目標是最小化z和z'中h的誤差,計算z和z'中h的誤差則是使用余弦距離來進行計算。

    [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 主題標記及向量表示

    在數(shù)據(jù)預處理過程中,人工對實驗數(shù)據(jù)集中的文本信息進行主題標記,按照服務(wù)、環(huán)境、價格三個主題給文本進行標記,并以一個三維向量進行表示v={v1,v2,v3},若文本中包含了某個主題,則對應(yīng)位置的值為1,否則為0。此外模型會隨機生成目標主題V={V1,V2,V3},以一個one-hot[12]形式表示,分別對應(yīng)服務(wù)、環(huán)境、價格這三個主題,其中的有效位代表模型需要生成與有效位所對應(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)來對輸入文本進行編碼,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,最終得到一個特征向量z,z=[h,c]。

    3.3 解碼器

    本文使用由注意力機制所計算出的注意力并結(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部分,第一個部分是利用注意力機制對z中的h進行注意力觀察,并結(jié)合模型主題與輸入文本之間的主題相似度,從而有針對性地生成一組對應(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)生一個新的上下文信息C。第二個部分則是在每個解碼時間步t時刻,LSTM網(wǎng)絡(luò)結(jié)合前一個詞向量wt-1、上一個時間步的解碼狀態(tài)[hdt-1]以及[cdt-1]計算新的解碼狀態(tài)hd t和cd t,并產(chǎn)生yt。具體實現(xiàn)過程如下:

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

    其中V為系統(tǒng)隨機產(chǎn)生的one-hot向量,為目標主題。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)合前一個詞yt-1,以及上一個時間步的解碼狀態(tài)hd t-1以及cd t-1,從而獲得當前輸出狀態(tài)st,以及當前解碼狀態(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 實驗結(jié)果與分析

    4.1 實驗數(shù)據(jù)集

    本文實驗所使用的數(shù)據(jù)集為YELP數(shù)據(jù)集[13],該數(shù)據(jù)集包含兩個部分。

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

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

    3) 本文實驗先對Businesses中商戶類型進行了篩選,要求商戶類別中必須包含Restaurants標簽,再對通過篩選后的商戶所對應(yīng)的Reviews中的評論信息進行篩選,首先將評論信息中商戶出現(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)某個商戶的評論信息過多,從而導致數(shù)據(jù)不均衡。并要求每個商戶所對應(yīng)的評論信息的條數(shù)大于等于50條,且每條評論信息中的文本評論長度小于等于150個單詞。

    最終訓練集、驗證集、測試集分別對應(yīng)有27560、3327、3321條文本評論信息,其中與“服務(wù)”主題有關(guān)的文本評論有15002條,與“環(huán)境”主題有關(guān)的文本評論有9234條,與“價格”主題有關(guān)的文本評論有7785條。

    4.2 評價標準

    由于本文實驗所使用的數(shù)據(jù)集為YELP數(shù)據(jù)集,且該數(shù)據(jù)集無Ground truth,所以采用以下三個指標作為評價標準。

    1) Word Overlap Score

    在文本摘要領(lǐng)域中,對于摘要常用的評價工具為ROUGE[13],其通過計算標準摘要和實驗結(jié)果所生成的摘要計算重疊的詞匯來衡量摘要生成的質(zhì)量。由于本數(shù)據(jù)集無標準摘要,所以使用輸入文本x中每條文本與摘要計算一次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。在本實驗中,計算ROUGE score使用ROUGE-1。

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

    其中N為一次訓練中的數(shù)據(jù)塊的個數(shù),x(i)j為第i個數(shù)據(jù)塊中第j條輸入文本,y(i)為第i個數(shù)據(jù)塊所生成的文本摘要,α(i)j為解碼器在第i個數(shù)據(jù)塊中注意力機制所計算出的第j個注意力權(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。由于一條評論信息中可能包含多個主題,所以當出現(xiàn)多主題這種情況時,可以認為評論信息的評分是顧客折中后給出的評分,即可以使用該評分來代表評論信息中關(guān)于某個主題的情感分數(shù)。

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

    其中CLF為評分器,[r(x(i)j)]為第i個數(shù)據(jù)塊中第j條輸入文本的評分。

    3) Negative Log-Likelihood(NLL)

    為了評價實驗所生成的文本摘要是否流暢通順,所以根據(jù)本實驗模型預訓練了一個語言模型,由訓練好的語言模型來計算文本摘要的負對數(shù)似然的值來對文本進行評判。

    4.3 實驗設(shè)置

    在本實驗的數(shù)據(jù)預處理過程中,使用了一個開源的單詞分詞器[14]對文本進行分詞,再使用subword[15]模型,最終生成一個包含了32000個單詞的詞典。在實驗中使用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)。

    本實驗使用的語言是Pytorch,在本實驗中語言模型,編碼器,解碼器均使用了512維的LSTM,256維度的詞向量。本實驗采用了Adam[16]模型優(yōu)化器,β1=0.9,β2=0.99。對于語言模型,學習率設(shè)定為0.001,對于面向主題的文本摘要生成模型,學習率設(shè)定為0.0005,對于評分器,學習率設(shè)定為0.0001。在對語言模型和面向主題的文本摘要生成模型的訓練中,擬定每次輸入模型的文本數(shù)k=30,在對評分器的訓練中,擬定每次輸入模型的文本數(shù)為1。

    語言模型的創(chuàng)建是為了評判摘要是否流暢通順,其本質(zhì)是一個LSTM網(wǎng)絡(luò)。擬定模型的輸入項為30條文本評論以及它們的結(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、5三個不同寬度的過濾器,每個過濾器具有128個特征圖以及0.5的淘汰率。

    4.4 對比方法

    本文選取了三個基準模型和本文提出的模型進行比較。

    Opinosis[18]是一個基于圖結(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 實驗結(jié)果分析

    由表1結(jié)果可見:

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

    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制,不僅彌補了MeanSum在多文檔摘要生成任務(wù)中的情感準確度較低的問題,而且在內(nèi)容上,也更能體現(xiàn)主題相關(guān)性。

    3)本文方法及其對照方法實際生成的文本摘要實例如表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制使得擁有目標主題的文本擁有更大的注意力權(quán)重,以此引導解碼器生成與目標主題內(nèi)容相關(guān)的文本摘要。

    5 結(jié)論

    本文提出了一個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,還將對輸出向量的注意力與主題向量進行了信息融合。在YELP數(shù)據(jù)集上實驗所得到的實驗結(jié)果證實表明,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用方法。

    參考文獻:

    [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,嚴建峰.基于雙編碼器結(jié)構(gòu)的文本自動摘要研究[J].計算機工程,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】

    在线观看66精品国产| 美女高潮喷水抽搐中文字幕| 亚洲人成77777在线视频| 欧美乱妇无乱码| 婷婷丁香在线五月| 岛国在线观看网站| 搡老岳熟女国产| 日本黄色日本黄色录像| 91国产中文字幕| 欧美中文综合在线视频| 下体分泌物呈黄色| 一级a爱片免费观看的视频| 日韩熟女老妇一区二区性免费视频| 国产精品成人在线| 人妻久久中文字幕网| 精品卡一卡二卡四卡免费| 婷婷成人精品国产| 日韩三级视频一区二区三区| 欧美日韩视频精品一区| 中文字幕最新亚洲高清| 少妇 在线观看| 成人国产一区最新在线观看| 欧美av亚洲av综合av国产av| 亚洲国产看品久久| av天堂在线播放| 岛国在线观看网站| 亚洲成人手机| 在线十欧美十亚洲十日本专区| 大香蕉久久成人网| 国产精品免费大片| 国产精品1区2区在线观看. | 99精品欧美一区二区三区四区| 亚洲一区二区三区欧美精品| 成熟少妇高潮喷水视频| 欧美性长视频在线观看| 欧美在线黄色| 视频在线观看一区二区三区| 日韩欧美在线二视频 | 青草久久国产| 成人影院久久| 999久久久精品免费观看国产| 宅男免费午夜| av福利片在线| 黑人操中国人逼视频| www.自偷自拍.com| 久久久国产精品麻豆| 日韩有码中文字幕| 精品高清国产在线一区| 亚洲av成人不卡在线观看播放网| 欧美老熟妇乱子伦牲交| 91精品三级在线观看| 国产精品自产拍在线观看55亚洲 | 男女高潮啪啪啪动态图| 啦啦啦在线免费观看视频4| 一本大道久久a久久精品| 一区二区三区激情视频| 在线永久观看黄色视频| 男人的好看免费观看在线视频 | 成人特级黄色片久久久久久久| 另类亚洲欧美激情| 如日韩欧美国产精品一区二区三区| 久久午夜综合久久蜜桃| 国产高清视频在线播放一区| 黑丝袜美女国产一区| 美女 人体艺术 gogo| 国产1区2区3区精品| ponron亚洲| 午夜福利乱码中文字幕| 高清毛片免费观看视频网站 | 99久久精品国产亚洲精品| 十分钟在线观看高清视频www| 首页视频小说图片口味搜索| 日韩免费高清中文字幕av| 欧美乱色亚洲激情| 侵犯人妻中文字幕一二三四区| 美女视频免费永久观看网站| 在线天堂中文资源库| 精品国产乱码久久久久久男人| 男人舔女人的私密视频| 亚洲欧美日韩高清在线视频| 91老司机精品| 一本综合久久免费| 久久久久久免费高清国产稀缺| 欧美精品高潮呻吟av久久| 精品人妻熟女毛片av久久网站| 亚洲五月婷婷丁香| 亚洲av片天天在线观看| av中文乱码字幕在线| 大陆偷拍与自拍| 亚洲成a人片在线一区二区| 香蕉久久夜色| 少妇被粗大的猛进出69影院| 麻豆av在线久日| 成人影院久久| 飞空精品影院首页| 老司机影院毛片| 亚洲免费av在线视频| 国产免费男女视频| 欧美老熟妇乱子伦牲交| bbb黄色大片| 中文字幕高清在线视频| 国产一区在线观看成人免费| 久久精品亚洲av国产电影网| 91在线观看av| 成年动漫av网址| 久久天躁狠狠躁夜夜2o2o| 国产人伦9x9x在线观看| 黑人巨大精品欧美一区二区蜜桃| 男女免费视频国产| 亚洲在线自拍视频| 亚洲美女黄片视频| 一夜夜www| 免费久久久久久久精品成人欧美视频| 婷婷成人精品国产| 香蕉丝袜av| 一级片'在线观看视频| 少妇 在线观看| 天堂动漫精品| 国产单亲对白刺激| 麻豆乱淫一区二区| 99精国产麻豆久久婷婷| 久久久久国产一级毛片高清牌| 亚洲国产精品合色在线| 国产一区二区三区综合在线观看| 欧美丝袜亚洲另类 | 可以免费在线观看a视频的电影网站| 欧美日韩瑟瑟在线播放| 欧美黑人欧美精品刺激| 操美女的视频在线观看| 麻豆乱淫一区二区| 国产精品av久久久久免费| 可以免费在线观看a视频的电影网站| 精品福利观看| 日韩熟女老妇一区二区性免费视频| 首页视频小说图片口味搜索| 亚洲五月色婷婷综合| 宅男免费午夜| 国产成人av教育| 无限看片的www在线观看| 人妻 亚洲 视频| 国产精品偷伦视频观看了| 亚洲精品av麻豆狂野| 色在线成人网| 99riav亚洲国产免费| 国产99久久九九免费精品| 国产男靠女视频免费网站| 亚洲aⅴ乱码一区二区在线播放 | 又黄又爽又免费观看的视频| 两个人免费观看高清视频| 男人操女人黄网站| 久久精品亚洲熟妇少妇任你| 99re6热这里在线精品视频| 老司机午夜十八禁免费视频| 又紧又爽又黄一区二区| 一个人免费在线观看的高清视频| 黄色丝袜av网址大全| 美女视频免费永久观看网站| 男女之事视频高清在线观看| 一级毛片女人18水好多| 一a级毛片在线观看| 亚洲五月婷婷丁香| 在线十欧美十亚洲十日本专区| 国产不卡av网站在线观看| 午夜精品久久久久久毛片777| 搡老熟女国产l中国老女人| 色在线成人网| 久久香蕉激情| 欧美精品亚洲一区二区| 岛国毛片在线播放| 国产精品免费大片| 99国产极品粉嫩在线观看| 99国产精品一区二区蜜桃av | 叶爱在线成人免费视频播放| 两个人看的免费小视频| 国产xxxxx性猛交| 大香蕉久久成人网| 久久精品国产综合久久久| 久久精品熟女亚洲av麻豆精品| 午夜福利在线观看吧| 两性夫妻黄色片| 露出奶头的视频| 久久性视频一级片| 热99re8久久精品国产| 最近最新中文字幕大全电影3 | 美女扒开内裤让男人捅视频| 国产在线精品亚洲第一网站| 777久久人妻少妇嫩草av网站| 久久久国产欧美日韩av| 亚洲国产精品一区二区三区在线| 国产成人免费观看mmmm| 黄色毛片三级朝国网站| 每晚都被弄得嗷嗷叫到高潮| 亚洲第一青青草原| 夜夜爽天天搞| 窝窝影院91人妻| 啦啦啦免费观看视频1| tocl精华| 少妇 在线观看| 色94色欧美一区二区| 亚洲国产中文字幕在线视频| 午夜视频精品福利| 18禁美女被吸乳视频| 淫妇啪啪啪对白视频| 国产亚洲精品第一综合不卡| av福利片在线| 老熟妇乱子伦视频在线观看| 日韩视频一区二区在线观看| 免费观看精品视频网站| 在线永久观看黄色视频| 久久九九热精品免费| 女人精品久久久久毛片| 久久久久久久久久久久大奶| 亚洲一卡2卡3卡4卡5卡精品中文| 91大片在线观看| 亚洲中文字幕日韩| 一进一出好大好爽视频| 午夜福利在线观看吧| √禁漫天堂资源中文www| 亚洲精品一卡2卡三卡4卡5卡| 国产精品二区激情视频| 国产精品永久免费网站| 国产在线观看jvid| 精品一区二区三区四区五区乱码| 成人特级黄色片久久久久久久| 少妇裸体淫交视频免费看高清 | 成人18禁在线播放| 亚洲第一av免费看| 久久这里只有精品19| 欧美成人午夜精品| 夜夜爽天天搞| 久久精品亚洲熟妇少妇任你| 成在线人永久免费视频| 脱女人内裤的视频| 久久中文看片网| 国产97色在线日韩免费| 久久人人97超碰香蕉20202| 电影成人av| 亚洲av成人一区二区三| 久久久水蜜桃国产精品网| av网站在线播放免费| 飞空精品影院首页| 91国产中文字幕| 免费日韩欧美在线观看| 亚洲av电影在线进入| 精品第一国产精品| 国产精品久久久人人做人人爽| 色婷婷av一区二区三区视频| ponron亚洲| 免费看十八禁软件| 成年版毛片免费区| 国产成人精品在线电影| 久久人人爽av亚洲精品天堂| av视频免费观看在线观看| x7x7x7水蜜桃| 欧美 日韩 精品 国产| 一级片免费观看大全| 亚洲国产欧美网| 宅男免费午夜| 在线播放国产精品三级| 国产精品香港三级国产av潘金莲| 久久久国产成人精品二区 | 成人免费观看视频高清| 高潮久久久久久久久久久不卡| 一区福利在线观看| 色综合欧美亚洲国产小说| 欧美+亚洲+日韩+国产| 欧美亚洲 丝袜 人妻 在线| 欧美人与性动交α欧美软件| 国产av精品麻豆| 精品久久久久久久久久免费视频 | 久久香蕉国产精品| 亚洲情色 制服丝袜| 精品久久久久久,| 国产欧美日韩综合在线一区二区| 亚洲国产欧美日韩在线播放| 国产一区二区三区在线臀色熟女 | 免费看a级黄色片| 天堂中文最新版在线下载| 欧美成人免费av一区二区三区 | 极品少妇高潮喷水抽搐| 大香蕉久久网| 满18在线观看网站| 久久九九热精品免费| 国产精品 欧美亚洲| 在线观看www视频免费| 视频区欧美日本亚洲| 成熟少妇高潮喷水视频| a级毛片在线看网站| 91大片在线观看| 黄网站色视频无遮挡免费观看| 80岁老熟妇乱子伦牲交| 国产黄色免费在线视频| 欧美久久黑人一区二区| 自线自在国产av| 欧美日韩乱码在线| 欧美中文综合在线视频| 久久香蕉精品热| 美女高潮到喷水免费观看| 最近最新中文字幕大全电影3 | 国产区一区二久久| 乱人伦中国视频| 18禁裸乳无遮挡免费网站照片 | 亚洲性夜色夜夜综合| 黄色怎么调成土黄色| 91麻豆精品激情在线观看国产 | 老司机在亚洲福利影院| 亚洲av熟女| 咕卡用的链子| 天天添夜夜摸| 精品卡一卡二卡四卡免费| 亚洲熟妇熟女久久| 人妻丰满熟妇av一区二区三区 | 欧美日韩亚洲国产一区二区在线观看 | 日韩免费av在线播放| 国产精品成人在线| av电影中文网址| 久久精品国产a三级三级三级| 激情视频va一区二区三区| 亚洲中文av在线| 欧美丝袜亚洲另类 | 国产麻豆69| 黄色毛片三级朝国网站| 国产一区有黄有色的免费视频| 亚洲七黄色美女视频| 校园春色视频在线观看| 国产无遮挡羞羞视频在线观看| 色94色欧美一区二区| 国产男女内射视频| 成人av一区二区三区在线看| 中亚洲国语对白在线视频| 色婷婷久久久亚洲欧美| 日本a在线网址| 国产成+人综合+亚洲专区| 亚洲av电影在线进入| 亚洲精品av麻豆狂野| 中文字幕人妻丝袜一区二区| 黄色a级毛片大全视频| 亚洲成人国产一区在线观看| 久久人人爽av亚洲精品天堂| 亚洲av成人av| av国产精品久久久久影院| 99国产精品免费福利视频| 久久国产精品人妻蜜桃| 精品乱码久久久久久99久播| 欧美中文综合在线视频| 天天躁夜夜躁狠狠躁躁| 老汉色av国产亚洲站长工具| 亚洲国产看品久久| 最近最新免费中文字幕在线| 多毛熟女@视频| ponron亚洲| 一夜夜www| 高潮久久久久久久久久久不卡| 免费黄频网站在线观看国产| 亚洲精华国产精华精| 热re99久久国产66热| 欧美激情 高清一区二区三区| 正在播放国产对白刺激| 一本一本久久a久久精品综合妖精| 91大片在线观看| 91麻豆精品激情在线观看国产 | 一级毛片高清免费大全| 亚洲中文av在线| 看片在线看免费视频| 啦啦啦 在线观看视频| 国产精品电影一区二区三区 | 亚洲va日本ⅴa欧美va伊人久久| 少妇裸体淫交视频免费看高清 | 欧美亚洲日本最大视频资源| 99香蕉大伊视频| 每晚都被弄得嗷嗷叫到高潮| 午夜老司机福利片| 91成人精品电影| 十分钟在线观看高清视频www| 国产野战对白在线观看| 中文字幕色久视频| 欧美黑人精品巨大| 搡老乐熟女国产| 亚洲成人国产一区在线观看| 亚洲欧美日韩高清在线视频| 女性生殖器流出的白浆| 天天躁日日躁夜夜躁夜夜| 丝袜美腿诱惑在线| 国产精品国产高清国产av | 午夜视频精品福利| x7x7x7水蜜桃| 在线观看一区二区三区激情| 欧洲精品卡2卡3卡4卡5卡区| 91麻豆精品激情在线观看国产 | 老司机靠b影院| 久久久国产成人免费| 老熟妇仑乱视频hdxx| 在线观看日韩欧美| 亚洲少妇的诱惑av| 久久精品国产99精品国产亚洲性色 | 国产精品久久电影中文字幕 | av网站在线播放免费| 在线观看免费视频网站a站| 国产精品欧美亚洲77777| 80岁老熟妇乱子伦牲交| 91老司机精品| 午夜福利免费观看在线| 一本大道久久a久久精品| 性色av乱码一区二区三区2| 欧美国产精品va在线观看不卡| 满18在线观看网站| 在线观看免费视频日本深夜| 午夜精品在线福利| 亚洲全国av大片| 日本撒尿小便嘘嘘汇集6| 午夜影院日韩av| 婷婷丁香在线五月| 精品人妻在线不人妻| 91大片在线观看| 一二三四社区在线视频社区8| 免费在线观看日本一区| 国产男女超爽视频在线观看| 岛国在线观看网站| 久久天躁狠狠躁夜夜2o2o| 久久久精品区二区三区| 三级毛片av免费| 色在线成人网| 免费av中文字幕在线| 日韩欧美三级三区| 一区二区三区国产精品乱码| 免费观看人在逋| 欧美不卡视频在线免费观看 | 91老司机精品| 国产免费现黄频在线看| 欧美国产精品va在线观看不卡| av超薄肉色丝袜交足视频| 亚洲欧美激情在线| 制服诱惑二区| 国产日韩欧美亚洲二区| www.精华液| 在线免费观看的www视频| 国产99久久九九免费精品| 露出奶头的视频| 久久精品亚洲熟妇少妇任你| 18在线观看网站| 亚洲欧美激情在线| 在线观看免费午夜福利视频| 无遮挡黄片免费观看| www.精华液| 亚洲男人天堂网一区| 少妇猛男粗大的猛烈进出视频| 久久人妻福利社区极品人妻图片| 水蜜桃什么品种好| 欧美日韩视频精品一区| 极品少妇高潮喷水抽搐| 国产精品欧美亚洲77777| 人人妻人人爽人人添夜夜欢视频| 在线国产一区二区在线| 免费人成视频x8x8入口观看| 亚洲熟女精品中文字幕| netflix在线观看网站| 99在线人妻在线中文字幕 | 国产成人精品无人区| 变态另类成人亚洲欧美熟女 | a在线观看视频网站| 成人av一区二区三区在线看| 亚洲成国产人片在线观看| 99re在线观看精品视频| 人人澡人人妻人| 久久精品人人爽人人爽视色| 国产精品国产高清国产av | 精品人妻1区二区| 国产亚洲欧美精品永久| 久久中文看片网| 一级毛片高清免费大全| 大型av网站在线播放| 亚洲三区欧美一区| 国产精品秋霞免费鲁丝片| 国产亚洲精品第一综合不卡| aaaaa片日本免费| 麻豆成人av在线观看| 女人高潮潮喷娇喘18禁视频| 久久久久国内视频| 下体分泌物呈黄色| 少妇裸体淫交视频免费看高清 | 久久久国产精品麻豆| 日日爽夜夜爽网站| 亚洲精品美女久久av网站| 淫妇啪啪啪对白视频| 一本一本久久a久久精品综合妖精| 亚洲欧洲精品一区二区精品久久久| 日韩精品免费视频一区二区三区| 亚洲第一欧美日韩一区二区三区| 色在线成人网| 欧美丝袜亚洲另类 | 国产一区二区激情短视频| 女人爽到高潮嗷嗷叫在线视频| 亚洲av熟女| 欧美日韩黄片免| 99久久精品国产亚洲精品| 在线观看免费视频网站a站| 人妻丰满熟妇av一区二区三区 | 久久国产亚洲av麻豆专区| а√天堂www在线а√下载 | 久久久国产成人精品二区 | 免费看十八禁软件| 亚洲欧美精品综合一区二区三区| 老鸭窝网址在线观看| 国产精华一区二区三区| 亚洲精品久久午夜乱码| 丰满的人妻完整版| 可以免费在线观看a视频的电影网站| 十八禁高潮呻吟视频| 很黄的视频免费| av天堂在线播放| 两人在一起打扑克的视频| 色在线成人网| 国产成人欧美在线观看 | 欧美色视频一区免费| 女人被躁到高潮嗷嗷叫费观| 别揉我奶头~嗯~啊~动态视频| 国产高清视频在线播放一区| 亚洲人成电影免费在线| 999久久久国产精品视频| 精品国产一区二区久久| 国产深夜福利视频在线观看| 色婷婷av一区二区三区视频| 村上凉子中文字幕在线| 99久久国产精品久久久| av线在线观看网站| 女人精品久久久久毛片| 国产在线观看jvid| 亚洲avbb在线观看| 国产免费av片在线观看野外av| 亚洲欧洲精品一区二区精品久久久| 1024香蕉在线观看| 成人18禁高潮啪啪吃奶动态图| 精品国产亚洲在线| 亚洲精华国产精华精| 妹子高潮喷水视频| 免费观看a级毛片全部| 乱人伦中国视频| 一进一出抽搐动态| 丝瓜视频免费看黄片| 一级作爱视频免费观看| 国产aⅴ精品一区二区三区波| 国产精品二区激情视频| 成人18禁在线播放| 男女床上黄色一级片免费看| 免费av中文字幕在线| 午夜福利,免费看| 久久人人爽av亚洲精品天堂| 日本精品一区二区三区蜜桃| 国产成人啪精品午夜网站| 80岁老熟妇乱子伦牲交| 亚洲精品国产一区二区精华液| 午夜福利,免费看| 国产激情欧美一区二区| av有码第一页| 亚洲精品久久午夜乱码| 亚洲av电影在线进入| 中文字幕精品免费在线观看视频| a级毛片在线看网站| 丝袜在线中文字幕| 亚洲成a人片在线一区二区| 村上凉子中文字幕在线| 欧美成人免费av一区二区三区 | 黄片大片在线免费观看| 成人特级黄色片久久久久久久| 久久九九热精品免费| 纯流量卡能插随身wifi吗| 久99久视频精品免费| 老熟女久久久| 欧美黄色淫秽网站| 久久精品熟女亚洲av麻豆精品| 中文字幕最新亚洲高清| 老汉色av国产亚洲站长工具| 丝袜美足系列| 午夜亚洲福利在线播放| 欧美精品亚洲一区二区| 成人手机av| 韩国精品一区二区三区| 99久久综合精品五月天人人| 热99久久久久精品小说推荐| 国产99久久九九免费精品| 黑丝袜美女国产一区| 欧美激情久久久久久爽电影 | 国产一区有黄有色的免费视频| 欧美中文综合在线视频| 男女床上黄色一级片免费看| 在线观看免费高清a一片| 久久精品国产亚洲av高清一级| 男人舔女人的私密视频| 久久影院123| 男女免费视频国产| 黑人巨大精品欧美一区二区蜜桃| 精品第一国产精品| 大型av网站在线播放| 亚洲av成人不卡在线观看播放网| 国产aⅴ精品一区二区三区波| а√天堂www在线а√下载 | 人妻久久中文字幕网| 91成年电影在线观看| 动漫黄色视频在线观看| 国产男女内射视频| 精品国产一区二区三区久久久樱花| 婷婷成人精品国产| 色尼玛亚洲综合影院| 欧美日韩乱码在线| 91字幕亚洲| 丰满迷人的少妇在线观看| 国产成人精品无人区| 十八禁高潮呻吟视频| 精品国内亚洲2022精品成人 | 色老头精品视频在线观看| 免费在线观看亚洲国产| 午夜福利,免费看| 午夜激情av网站| 18禁裸乳无遮挡动漫免费视频| 黄色视频不卡|