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

2024-12-14 12:20 上传 基于Deep QLearning的抽取式摘要生成方法.pdf

文件大小:

573.98 KB

下载次数:

60

高速下载