[发明专利]文本摘要生成方法及系统

说明书

本公开提供一种文本摘要生成方法及系统，包括获取目标文本信息的字节长度，若所述字节长度超过预设字节阈值，则对所述目标文本信息进行筛选确定所述目标文本信息对应的筛选摘要；将所述筛选摘要拆分为多个句子，并将多个句子进行向量化表示，确定多个句子之间的相似度，并将所述多个句子作为节点，所述多个句子之间的相似度作为连接边，构建所述筛选摘要对应的摘要图；通过预设的摘要生成模型提取所述摘要图中节点的局部语义特征、全局语义特征，以及节点中各个词语在节点中的位置信息，并根据注意力机制分别为所述局部语义特征、所述全局语义特征以及所述位置信息分配对应的权重系数，生成所述目标文本信息对应的文本摘要。

技术领域

本公开涉及文本摘要提取技术，尤其涉及一种文本摘要生成方法及系统。

背景技术

如今，在人们的生活节奏不断变快， 互联网技术高速快速发展的情况下，文本数据量也高速地增长着，大量的文本数据涌现导致人类和计算机都难以快速地获取并处理文本中的主要信息。因此，如何通过数学理论以及技术手段快速且有效地从海量的文本信息中提炼出核心内容，并将核心内容提炼成高质量的摘要，已经成为一个亟待解决的问题。

CN201610232659.9，基于编码-解码深度神经网络的文本摘要生成系统及方法，包括互联网文本获取模块，用于获取互联网上的文本信息；数据预处理模块，用于对所述文本信息进行预处理；摘要模型训练模块，用于对进行预处理后的文本信息抽取定量文本信息根据编码-解码深度神经网络模型进行训练，得到摘要训练模型；摘要生成模块，用于根据所述编码解码深度神经网络模型对预处理后的文本信息作于出入，输出预设长度的摘要信息。

具体来说，基于编码器-解码器架构的抽取式技术由于受限于架构的感受野，除部分重量级模型外，大部分模型只能对输入文本中的少量的句子进行编码以及解码，因此神经模型能捕获的语义信息较为有限。而且，由于基于编码器-解码器架构的抽取式技术通常依赖于序列式的输入形式，因此这些技术容易忽视对于定位关键内容十分关键的文本的结构信息。

CN202210433352.0，抽取式文本摘要生成方法、装置、计算机设备及存储介质，包括将训练语料中的每个句子进行句子编号，将编号后的每个句子进行分词处理，得到分词结果，根据分词结果分别计算每个句子的词级信息熵和短语级信息熵，对句子进行特征提取，根据提取到的句子特征向量得到句子级信息熵，根据词级信息熵、短语级信息熵以及句子级信息熵，计算得到句子的贡献度，基于贡献度选取目标训练句子，根据目标训练句子对预构建的神经网络进行训练，得到文本摘要生成模型，将目标文本输入文本摘要生成模型，输出文本摘要。

总的来说，抽取式技术由于采用的是原文内的文本单元，因此产生的在单元内部的语义连贯性有一定的保证，但是，该类技术产生的摘要往往不够简洁，过粗的粒度会导致摘要结果中存在冗余文本，文本单元之间连贯性上也无法得到很好的保证。

发明内容

本公开实施例提供一种文本摘要生成方法及系统，旨在解决现有技术中部分问题，也即如上所述的技术缺陷。

本公开实施例的第一方面，

提供一种文本摘要生成方法，包括：

获取目标文本信息的字节长度，若所述字节长度超过预设字节阈值，则对所述目标文本信息进行筛选确定所述目标文本信息对应的筛选摘要，其中，所述筛选摘要是通过提取所述目标文本信息中与目标摘要强关联的文本内容得到的；

将所述筛选摘要拆分为多个句子，并将多个句子进行向量化表示，确定多个句子之间的相似度，并将所述多个句子作为节点，所述多个句子之间的相似度作为连接边，构建所述筛选摘要对应的摘要图；

通过预设的摘要生成模型提取所述摘要图中节点的局部语义特征、全局语义特征，以及节点中各个词语在节点中的位置信息，并根据注意力机制分别为所述局部语义特征、所述全局语义特征以及所述位置信息分配对应的权重系数，生成所述目标文本信息对应的文本摘要，其中，所述摘要生成模型基于多个神经网络组合而成，用于提取文本信息中的文本摘要。