基于注意力机制的评论摘要生成

苏放^1,2, 王晓宇¹, 张治^1,2

1. 北京邮电大学 信息与通信工程学院, 北京 100876;
2. 无锡北邮感知技术产业研究院有限公司, 江苏 无锡 214135

收稿日期:2017-11-02出版日期:2018-06-28发布日期:2018-06-04

作者简介:苏放(1973-),男,副教授,硕士生导师,E-mail:sufang@bupt.edu.cn.
基金资助:国家科技重大专项项目（2017ZX03001022）

Review Summarization Generation Based on Attention Mechanism

SU Fang^1,2, WANG Xiao-yu¹, ZHANG Zhi^1,2

1. School of Information and Communication Engineering, Beijing University of Posts and Telecommunications, Beijing 100876, China;
2. Institute of Sensing Technology and Business, Beijing University of Posts and Telecommunications, Jiangsu Wuxi 214135, China

Received:2017-11-02Online:2018-06-28Published:2018-06-04

摘要/Abstract

摘要： 为了实现评论摘要的生成式提取，对序列到序列学习的神经网络模型进行分析，提出了一种改进的注意力机制应用模型，并用于评论摘要.挖掘评论摘要特征，使在摘要中出现的文字更多集中在原文首部；针对评论摘要的样本特征，通过改进局部注意力模型，使其对评论原文的句首具有更高的注意力权重，并可端到端地生成评论摘要的每一个词.实验结果表明，该模型在对英文同类别全文长度小于200的评论摘要提取上有更高的准确率.
中图分类号:
TN929.53

引用本文

苏放, 王晓宇, 张治. 基于注意力机制的评论摘要生成[J]. 北京邮电大学学报, 2018, 41(3): 7-13.
SU Fang, WANG Xiao-yu, ZHANG Zhi. Review Summarization Generation Based on Attention Mechanism[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2018, 41(3): 7-13.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3198