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!
摘要:本申请涉及计算机技术领域中一种文本摘要模型生产方法及其装置、设备、介质,所述方法包括:获取训练集,所述训练集包括多个样本数据,所述样本数据包括段落文本及其对应的摘要文本;以所述样本数据中的段落文本中非核心语句的关键词序列作为训练样本,以所述非核心语句作为监督标签,对预设的生成器实施自监督训练;以等效语句替换所述样本数据中的段落文本中对应的非核心语句且遮盖所述段落文本中的部分核心语句作为训练样本,以所述核心语句作为监督标签,对文本摘要模型实施预训练至收敛;以所述段落文本作为训练样本,以所述段落文本相对应的摘要文本作为监督标签,对文本摘要模型实施微调训练至收敛。本申请能够生成高质量的文本摘要。
主权项:1.一种文本摘要模型生产方法,其特征在于,包括如下步骤:获取训练集,所述训练集包括多个样本数据,所述样本数据包括段落文本及其对应的摘要文本,所述段落文本包括核心语句和非核心语句,所述核心语句表征段落文本的重点语义;以所述样本数据中的段落文本中非核心语句的关键词序列作为训练样本,以所述非核心语句作为监督标签,对预设的生成器实施自监督训练,使训练至收敛的生成器适于根据关键词序列生成所述非核心语句的等效语句;以等效语句替换所述样本数据中的段落文本中对应的非核心语句且遮盖所述段落文本中的部分核心语句作为训练样本,以所述核心语句作为监督标签,对文本摘要模型实施预训练至收敛;以所述样本数据中的段落文本作为训练样本,以所述段落文本相对应的摘要文本作为监督标签,对文本摘要模型实施微调训练至收敛;所述以所述样本数据中的段落文本中非核心语句的关键词序列作为训练样本,以所述非核心语句作为监督标签,对预设的生成器实施自监督训练,使训练至收敛的生成器适于根据关键词序列生成所述非核心语句的等效语句,包括:将所述非核心语句中的各个目标关键词文本关联其对应的位置信息构造出关键词序列作为训练样本,以所述非核心语句作为监督标签,对预设的生成器进行自监督训练,所述目标关键词文本对应的位置信息是通过对该目标关键词文本在该非核心语句中的位置进行编码而得;对于所述自监督训练,所述生成器的编码器编码出所述训练样本的关键词序列中的目标关键词文本对应的关键词文本向量,将其与关键词序列中对应的位置信息进行拼接,获得拼接编码向量,继而将关键词序列作为硬约束条件,由生成器的编码器根据拼接编码向量以单向特征表示的自回归方式解码生成训练样本对应的等效语句,应用预设的交叉熵损失计算函数,根据训练样本对应的监督标签计算所述等效语句所对应的交叉熵损失值,在该损失值达到预设阈值时判定生成器收敛而终止训练,否则调用另一训练样本继续对生成器实施迭代训练。
全文数据:
权利要求:
百度查询: 广州欢聚时代信息科技有限公司 文本摘要模型生产方法及其装置、设备、介质
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。