[发明专利]一种自动生成装备体系论证评估综述报告的方法

说明书

一种自动生成装备体系论证评估综述报告的方法，根据装备体系论证评估的文献资料，利用带有attention机制的Seq2Seq模型，在对文献资料进行分析和整理的基础上，根据输入的关键词，对信息进行重组和排列，自动生成与关键词相关的装备体系评估综述报告。本发明核心算法为无监督算法，训练数据无需人工标注和干预；自动分析和整理军事文献资料，减少人力开销，提高效率，加快论证评估进程；可根据实际需求进行各个参数的设置已得到理想结果，操作便捷，训练流程可控性强；支持模型离线化调用，可移植性高。

技术领域

本发明涉及信息技术领域，具体涉及一种自动生成装备体系论证评估综述报告的方法。

背景技术

装备体系论证评估是指对武器装备的国内外现状、发展趋势、装备能力、作战运用模式等以数据为支撑的知识进行全面地、深入地、综合地分析，人工撰写装备体系论证评估的综述类报告，需要花费大量的精力，查找、翻阅不同文献来获取必要信息。

基于深度学习的自然语言生成技术，在对大量的文献资料进行分析和整理的基础上，可以实现对文章信息进行重新组合、排列，自动生成装备体系评估综述报告，从而极大减少人力开销，提高效率，加快论证评估进程。

发明内容

本发明提出一种自动生成装备体系论证评估综述报告的方法，根据装备体系论证评估的文献资料，利用带有attention机制的Seq2Seq模型，在对文献资料进行分析和整理的基础上，根据输入的关键词，对信息进行重组和排列，自动生成与关键词相关的装备体系评估综述报告。

一种自动生成装备体系论证评估综述报告的方法，包括如下步骤：

步骤1，数据导入，接收军事文献资料，作为训练数据；

步骤2，数据导入之后，通过数据清洗，过滤数据中的图片及表格等非文本数据，并对原始数据以句子为单位进行切分；

步骤3，完成数据格式的转化，获得文本数据的分布式语义表示，即词语的词向量；设置词向量生成的参数，包括词向量的长度，最小词频及生成算法等，以根据需求得到相应的词向量；

步骤4，进行关键词抽取，抽取出每句中语义重要性最高的词语，根据配置的权重算法及关键词个数，计算词句子中每个词的语义权重，词语按照权重排序后，选择对应个数的词语作为该句的关键词，得到相应关键词向量；

步骤5，进行文本生成模型训练，以Seq2Seq模型为基础，Seq2Seq模型分为编码器和解码器两部分，编码器由LSTM网络构成，每个句子的关键词向量与编码器的隐状态之间通过attention模型进行连接，编码器的输出转化为中间向量C，中间向量C通过解码器输出预测序列，即自动生成的文本，训练过程中寻找最优参数组合和最小化模型的损失函数，使得模型根据句子关键词生成的文本和原始句子差异性最小，训练完成之后以文件的形式自动保存模型；

步骤6，加载保存的文本生成模型，并初始化，输入关键词及生成的句子长度，模型根据输入的关键词，自动生成对应长度的文本，并通过前端界面展示生成的结果。

进一步地，步骤1中，军事文献资料选择以文件形式导入，或者通过爬虫模块自动抓取数据，数据源主要是军事类期刊中的学术论文以及装备评估分析报告等。

进一步地，步骤2中，句子切分的最大长度根据实际需求进行配置，根据配置切分后不足最大长度的句子，用占位符进行填充。

进一步地，步骤5中，文本生成模型以Seq2Seq模型为基础，Seq2Seq模型分为编码器和解码器两部分，在关键词和编码器的隐状态之间建立了一层attention，利用注意力权重对关键词向量加权之后，作为每个时间t的编码器输入；关键词转换为关键词向量之后，作为编码器的输入，在每一个时间t，根据输入的关键词向量X生成主题向量T_t的计算方式如下：