[发明专利]一种长篇章结构化文本摘要提取方法

权利要求书

1.一种长篇章结构化文本摘要提取方法，其特征在于：输入长文本信息，摘要提取步骤为：

(1)转化为数值信息

对输入的长文本信息按标点符号进行分句处理，对每一句采用Bert Word Embedding动态词嵌入处理转换成该句的向量矩阵，即计算机学习的数值信息；

(2)篇章结构分析

对每两句进行隐式篇章关系分析，即将每两个相邻子句放入两个双向GRU模型中进行处理，对两个模型的隐藏层信息进行拼接，将拼接后的结果放入多层感知机中进行分类，得到预测的类别概率，取概率最高的类别标签作为对应标签，并依据识别的标签类别对长文本进行合理分段；

(3)摘要提取

按照基于模型和规则两种方式对步骤(2)中分好的每个段落进行摘要提取，最终的摘要结果输出是融合了这两种方式的输出结果。

2.根据权利要求1所述的一种长篇章结构化文本摘要提取方法，其特征在于：步骤(3)中基于模型的摘要提取，是将每一段信息输入到模型中，模型对段落的每一句先进行编码，即特征学习，再将学习到的特征进行解码，即对每个句子进行二分类，完成摘要句的提取。

3.根据权利要求2所述的一种长篇章结构化文本摘要提取方法，其特征在于：所述编码是由两层的双向GRU模型组成，第一层输入的是句子的向量矩阵，经过前向和后向的GRU模型处理后，拼接两个方向的隐藏层向量后做最大池化处理，将处理后的结果作为第二层输入，该层的隐藏层信息w_i表示的每个词的位置信息，i表示句子中第i个词；第二层操作与第一层相同，拼接后的隐藏层信息h_j代表了段落每个句子信息，j表示段落中第j句，用公式(1)对整个段落p表示：

其中W_p，b表示每一句的权重和偏置，N_p表示段落中句子数量，i、j为1、2、3……正整数。

4.根据权利要求3所述的一种长篇章结构化文本摘要提取方法，其特征在于：解码层则根据编码过程中得到的信息，进一步计算文本中句子属于摘要句的概率，用公式(2)表示为：

其中y_j＝1表示段落中第j句为摘要句，W₁，W₂，W₃为模型参数，s_j是动态摘要表示，是已访问过的句子隐藏层的加权和，权重为这个句子最终属于摘要句的概率，用公式(3)表示为：

其中n、j表示段落中第n、j句，n、j为1、2、3……正整数，P(y_n＝1)表示已访问过句子中属于摘要句的概率，计算方式如公式(2)所示。

5.根据权利要求1所述的一种长篇章结构化文本摘要提取方法，其特征在于：步骤(3)中基于规则的摘要提取，是依据不同领域文本特点，制定相应规则，对该领域具有特点的关键词、特定模式进行匹配，对匹配到的关键词、特定模式周围的词进行召回，将召回后的句子作为规则提取的摘要。