龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：桂林电子科技大学
摘要：本发明涉及计算机技术领域，具体涉及一种基于Bi‑LSTM的TextRank中文摘要自动生成方法，以Word2vec模型转换的词向量为输入信息，利用Bi‑LSTM模型进一步处理，将输出的信息作为文本各句子的句向量，并用于计算句子间的相似度。通过以句子间相似度为边权重，以各句子为节点构建TextRank图结构，计算出各句子的TextRank值作为各句子权值，并根据权值大小进行排序，最后抽取候选摘要句组成最终的摘要。本发明通过Bi‑LSTM融合Word2vec+TextRank自动摘要模型，提出新的融合模型W2v‑BiL‑TR，提升了摘要抽取结果的质量。
主权项：1.一种基于Bi-LSTM的TextRank中文摘要自动生成方法，其特征在于，包括下列步骤：步骤1：将文本进行预处理，然后进行分句处理，分割成一维句列表S，其中列表长度代表的是文本中句子的个数，将S[i]定义为文本中第i句话；步骤2：保留文本的标点符号，将分句列表进行分词处理，得到一个二维词列表W，其中将W[i][j]定义为文本中第i句话的第j个词；步骤3：采用Word2vec模型对步骤2中的二维词列表W进行处理，提取文本词向量，得到文本的词向量二维表WV，其中WV[i][j]则对应文本第i句话第j个词的词向量；步骤4：将获得的所述词向量二维表WV作为输入信息，使用Bi-LSTM模型进行处理，并将得到的输出状态作为句向量，生成句向量表SV，其中SV[i]表示第i个句子的句向量；步骤5：计算步骤4获得的句向量，获得句子间的相似度，组成一个二维矩阵X；步骤6：利用TextRank模型来根据二维矩阵X构建图结构，其中图的节点对应文本的句子，图的边权重值对应句子之间的相似度，最后计算各句子的TextRank值作为各句子权值，并用于句子打分；步骤7：根据各句子权值排序高低，选取靠名靠前的句子作为候选摘要句，作为最终的抽取式摘要结果。
全文数据：
权利要求：
百度查询： 桂林电子科技大学 基于Bi-LSTM的TextRank中文摘要自动生成方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号