公开(公告)号：CN116775859A

公开(公告)日：2023-09-19

申请号：CN202310784055.5

申请日：2023-06-29

Applicant: 东南大学

Inventor： 周德宇 ,  张言越

IPC: G06F16/34 ,  G06F40/186 ,  G06N3/0895 ,  G06N3/088 ,  G06N3/0442 ,  G06N3/0455

Abstract: 本发明公开了一种基于反模版解耦的无监督意见摘要生成方法及系统，首先构建并训练意见摘要的反模板生成模型，利用对比学习和变分自编码器，将意见作为监督信号，得到意见的表示，取若干意见表示的平均进行解码，初步得到意见的反模版；再构建解耦文本表示意见摘要生成模型，将意见摘要的表示解耦成内容、模板两部分，得到内容的表示向量；最后训练无监督的意见摘要模型，将内容表示向量输入无监督的意见摘要模型的解码器中，通过解码器重构原始文本，完成意见摘要的生成。本方法通过在文本信息中训练生成文本表示的“反模版”表示，利用正交解耦的方式来去除文本表示中的模版信息，从而减少冗余信息，摘要生成更加准确，工作效率更高。

公开(公告)号：CN116775860A

公开(公告)日：2023-09-19

申请号：CN202310784057.4

申请日：2023-06-29

Applicant: 东南大学

Inventor： 周德宇 ,  张言越

IPC: G06F16/34 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/088 ,  G06N3/0442 ,  G06N3/042 ,  G06N5/04

Abstract: 本发明公开了一种基于对抗性框架的无监督意见摘要生成方法及系统，首先构建数据集，在数据库中选取待测数据，对数据进行预处理，划分用于验证和测试的数据，构建无监督意见摘要数据集；再构建M2A模型，选择两个生成摘要模型分别作为摘要生成器体现M2A的模型无关性，基于自然语言推理的方法构建模型的摘要判别器；然后先训练摘要判别器，再整体训练M2A模型，构建损失函数，构建优化器；最后通过评价指标对M2A模型进行评价。本发明在生成意见摘要的类别准确性和情感准确性上效果显著提升，摘要生成的工作效率大大提高。