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：中国科学技术信息研究所

摘要：本申请实施例涉及信息处理技术领域，公开了一种简报生成方法、装置、电子设备及计算机可读存储介质，其中，简报生成方法包括：确定待生成简报的文本的文本特征，并根据文本特征，通过概念词分类系统确定文本的各个概念词，以及通过概念词关系分类系统，确定文本的各个概念词之间的关联关系；接着根据知识网络与文本的篇章结构，生成树状知识网络模型，知识网络是根据各个概念词以及各个概念词之间的关联关系生成的；接着基于三方深度网络表示TriDNR算法、Node2Vec算法及TransE模型，根据树状知识网络模型，生成网络表示学习模型；接着根据网络表示学习模型与树状知识网络模型，生成简报。

主权项：1.一种简报生成方法，其特征在于，包括：确定待生成简报的文本的文本特征，并根据所述文本特征，通过概念词分类系统确定所述文本的各个概念词，以及通过概念词关系分类系统，确定所述文本的各个概念词之间的关联关系；根据知识网络与所述文本的篇章结构，生成树状知识网络模型，所述知识网络是根据各个概念词以及各个概念词之间的关联关系生成的；基于三方深度网络表示TriDNR算法、Node2Vec算法及TransE模型，根据所述树状知识网络模型，生成网络表示学习模型；根据所述网络表示学习模型与所述树状知识网络模型，生成简报；根据各个概念词以及各个概念词之间的关联关系生成知识网络，包括：根据各个概念词的集合以及各个概念词之间的关联关系的集合，生成JS对象简谱JSON格式的概念词集合；根据知识网络与所述文本的篇章结构，生成树状知识网络模型，包括：根据所述文本的文本主题名称、各个章节的章节名称、文本主题名称与各个章节名称之间的层级关系以及各个章节名称之间的层级关系，生成所述文本的篇章结构；根据所述JSON格式的概念词集合与所述文本的篇章结构，生成树状知识网络模型；基于TriDNR算法、Node2Vec算法及TransE模型，根据所述树状知识网络模型，生成网络表示学习模型，包括：基于TriDNR算法与Node2Vec算法，确定所述树状知识网络模型中各个概念词节点的语义信息、各个概念词节点之间的拓扑结构信息；基于TransE模型，确定所述树状知识网络模型中各个概念词节点之间边的标签信息；根据各个概念词节点的语义信息、各个概念词节点之间的拓扑结构信息以及各个概念词节点之间边的标签信息，生成网络表示学习模型。

全文数据：

权利要求：

百度查询： 中国科学技术信息研究所 简报生成方法、装置、电子设备及计算机可读存储介质