公开(公告)号：CN112463956B

公开(公告)日：2022-08-23

申请号：CN202011351699.8

申请日：2020-11-26

Applicant: 重庆邮电大学

Inventor： 黄海辉 ,  查茂鸿 ,  常光辉 ,  胡诗洋

IPC: G06F16/34 ,  G06F40/126 ,  G06F40/211 ,  G06F40/284 ,  G06F40/295 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明请求保护一种基于对抗学习和分层神经网络的文本摘要生成系统和方法，属于自然语言处理的文本摘要领域，系统包括：判别器模块、预处理模块、词嵌入模块、句嵌入模块、生成模块和对抗学习模块，本发明在编码器‑解码器模型(Seq2Seq)基础上，提出一种层级划分的新模型。将Seq2Seq的编码器部分划分为词嵌入层和句嵌入层，并在每个层级引入增强记忆机制，使模型能够更好的理解文本含义，同时在解码时引入对抗学习，设置一个识别器将标准表示与模糊表示进行识别，缩小两者的距离，同时监督学习阻止他们接近，形成对抗，对抗平衡时，找到最优的生成结果，提高了文本摘要生成的准确率。

公开(公告)号：CN112463956A

公开(公告)日：2021-03-09

申请号：CN202011351699.8

申请日：2020-11-26

Applicant: 重庆邮电大学

Inventor： 黄海辉 ,  查茂鸿 ,  常光辉 ,  胡诗洋

IPC: G06F16/34 ,  G06F40/126 ,  G06F40/211 ,  G06F40/284 ,  G06F40/295 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明请求保护一种基于对抗学习和分层神经网络的文本摘要生成系统和方法，属于自然语言处理的文本摘要领域，系统包括：判别器模块、预处理模块、词嵌入模块、句嵌入模块、生成模块和对抗学习模块，本发明在编码器‑解码器模型(Seq2Seq)基础上，提出一种层级划分的新模型。将Seq2Seq的编码器部分划分为词嵌入层和句嵌入层，并在每个层级引入增强记忆机制，使模型能够更好的理解文本含义，同时在解码时引入对抗学习，设置一个识别器将标准表示与模糊表示进行识别，缩小两者的距离，同时监督学习阻止他们接近，形成对抗，对抗平衡时，找到最优的生成结果，提高了文本摘要生成的准确率。