公开(公告)号：CN114781376B

公开(公告)日：2025-05-02

申请号：CN202210589669.3

申请日：2022-05-26

Applicant: 浙江工业大学

Inventor： 李永强 ,  吴毕亮 ,  冯远静 ,  范陈强 ,  赵永智 ,  姚辉 ,  李文伟 ,  林栋 ,  叶衍统 ,  汤家睿 ,  薛志豪

IPC: G06F16/34 ,  G06F40/211 ,  G06F40/289 ,  G06F16/951 ,  G06N3/0455 ,  G06N3/08 ,  G06N5/01

Abstract: 一种基于深度学习的新闻文本摘要生成方法，包括以下步骤：1)爬取新闻标题和新闻文本，获得原始数据；2)对数据进行预处理，获得模型所需的数据格式；3)利用Bert模型作为核心来构建抽取式和生成式的摘要生成系统；4)抽取式模型先对输入文本抽取出与标题相关度高的句子，用作生成式模型的指导信号；5)输入文本和指导信号输入给生成式模型，生成最终摘要；6)将生成摘要与参考摘要进行对比评价。本发明结合抽取式与生成式摘要模型对新闻文本进行摘要生成，可以让冗长的文本精简化，快速获取其中的关键信息。

公开(公告)号：CN115455190A

公开(公告)日：2022-12-09

申请号：CN202210589668.9

申请日：2022-05-26

Applicant: 浙江工业大学

Inventor： 李永强 ,  林栋 ,  仇翔 ,  冯远静 ,  李文伟 ,  赵永智 ,  范陈强 ,  吴毕亮

IPC: G06F16/36 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于重复历史事实的时序知识图谱案件推理方法，包括以下步骤：1)获取数据集中的头实体，关系，尾实体，时间戳；2)随机初始化实体、关系和时间戳的嵌入，LSTM和神经网络的参数；3)利用头实体，关系，尾实体，时间戳的嵌入，更新LSTM中的参数和神经网络，并通过历史词表惩罚历史中未出现的事实，具体过程如下所述。4)根据得到的LSTM网络和神经网络，该时间戳下已知头实体和关系预测尾实体或已知尾实体和关系预测头实体。与现有技术相比，本发明通过二维卷积聚合嵌入特征，LSTM和神经网络训练带有时间信息的特征，利用历史词表惩罚历史中未出现的事实，据此得到的时序知识图谱案件推理比现有的方法效果更好。