基于Deep QLearning的抽取式摘要生成方法
文档名：基于Deep QLearning的抽取式摘要生成方法
摘要：为解决训练过程中需要句子级标签的问题,提出一种基于深度强化学习的无标签抽取式摘要生成方法,将文本摘要转化为Q-learning问题,并利用DQN(DeepQ-Network)学习Q函数.为有效表示文档,利用BERT(BidirectionalEncoderRepresentationsfromTransformers)作为句子编码器,Transformer作为文档编码器.解码器充分考虑了句子的信息富集度、显著性、位置重要性以及其与当前摘要之间的冗余程度等重要性等信息.该方法在抽取摘要时不需要句子级标签,可显著减少标注工作量.实验结果表明,该方法在CNN(CableNewsNetwork)/DailyMail数据集上取得了最高的Rouge-L(38.35)以及可比较的Rouge-1(42.07)和Rouge-2(18.32).
作者：王灿宇 孙晓海 吴叶辉 季荣彪 李亚东 张少如 杨士豪 Author：WANGCanyu SUNXiaohai WUYehui JIRongbiao LIYadong ZHANGShaoru YANGShihao
作者单位：云南农业大学大数据学院,昆明650201云南农业大学大数据学院,昆明650201;吉林海诚科技有限公司,长春130033东北师范大学信息科学与技术学院,长春130117
刊名：吉林大学学报（信息科学版） ISTIC
Journal：JournalofJilinUniversity(InformationScienceEdition)
年，卷(期)：2023, 41(2)
分类号：TP391
关键词：抽取式文本摘要BERT模型编码器深度强化学习
机标分类号：TP391.1TN762TP181
在线出版日期：2023年6月19日
基金项目：吉林省科技厅基金资助项目，长春市科技局基金资助项目基于DeepQ-Learning的抽取式摘要生成方法[
期刊论文]吉林大学学报（信息科学版）--2023, 41(2)王灿宇孙晓海吴叶辉季荣彪李亚东张少如杨士豪为解决训练过程中需要句子级标签的问题,提出一种基于深度强化学习的无标签抽取式摘要生成方法,将文本摘要转化为Q-learning问题,并利用DQN(DeepQ-Network)学习Q函数.为有效表示文档,利用BERT(BidirectionalEncoderR...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于Deep Q-Learning的抽取式摘要生成方法Generation Method of Extractive Text Summarization Based on Deep Q-Learning
基于Deep Q-Learning的抽取式摘要生成方法.pdf
页:
[1]