[发明专利]一种文本摘要生成方法和装置

说明书

本发明公开了一种文本摘要生成方法和装置，涉及自然语言文本的自动摘要技术；在获取输入文本之后，通过采用编码器对文本进行处理得到编码器的环境向量；然后再根据根据编码器的环境向量采用解码器解码生成摘要。在编码器对整个文本信息编码过程中加入具有感知关键词注意力机制网络的合并层，调整最终得到的编码器的环境向量。使编码器的环境向量既考虑文本的整体性，又关注文本中的关键词。最终通过解码器解码后得到的摘要更加精确，更加符合输入文本。

技术领域

本发明涉及自然语言文本的自动摘要技术，特别地，涉及一种文本摘要生成方法和装置。

背景技术

文本摘要是一项具有挑战性的任务，旨在产生包含有益信息和却又不致冗余的摘要。相关技术主要可以分为抽取方法和抽象方法。抽取摘要方法从原始文本中识别并连接相关词，而抽象方法尝试以简洁的方式表达主要内容，可能使用原始文本中没有的单词。但是这两种方式都存在一定的局限性，抽取方法只关注关键词容易忽视文本的整体性；而抽象方法虽然基于全文，但是使用的新词可能无法替代原来的词，不能体现原始文本的关键点。

发明内容

为了克服现有技术的不足，本发明提供一种既基于文本整体又基于文本关键词的文本摘要生成方法和装置。

本发明解决其技术问题所采用的技术方案是：

一方面，

一种文本摘要生成方法，包括：

获取输入文本；

采用编码器对所述文本进行处理得到编码器的环境向量，所述编码器包括具有感知关键词注意力机制网络的合并层；

根据所述编码器的环境向量采用解码器解码生成摘要。

进一步地，所述获取输入文本还包括：

将所述文本进行分词；

通过预训练的词向量矩阵将分词后的文本转换为低维实值向量形式的第一文本序列。

进一步地，编码器对所述文本进行处理得到编码器的环境向量包括：

将所述第一文本序列进行编码得到编码器隐向量；

通过具有感知关键词注意力机制网络的合并层对所述编码器隐向量进行权重调整得到第二文本序列；

再次通过两层的双向长短时记忆循环神经网络对所述第二文本序列进行调整，得到所述编码器的环境向量。

进一步地，述将所述第一文本序列进行编码得到编码器隐向量包括：

将所述第一文本序列输入到两层的双向长短时记忆循环神经网络；

在所述两层的双向长短时记忆循环神经网络中，获取所述第一文本序列中词语的两侧的词的信息；

将所述两侧的词的信息与所述词语本身信息进行计算；

根据计算结果对所述词语信息进行操作，所述操作包括保留、记忆以及删除；

对所述第一文本序列中的所有词语进行操作后得到编码器隐向量。

进一步地，所述通过具有感知关键词注意力机制网络的合并层对所述编码器隐向量进行权重调整得到第二文本序列包括：

获取所述文本的关键词向量；

根据所述编码器隐向量与所述关键词向量生成每个编码器隐向量对应的关键词环境向量；

根据所述编码器隐向量和所述关键词环境向量计算得到第二文本序列。

进一步地，所述获取所述文本的关键词向量包括：

对所述文本进行分词；