公开(公告)号：CN116775855A

公开(公告)日：2023-09-19

申请号：CN202310463558.2

申请日：2023-04-26

Applicant: 桂林电子科技大学

Inventor： 程珠鸿 ,  周娅

IPC: G06F16/34 ,  G06F16/36 ,  G06F40/211 ,  G06F40/284 ,  G06N3/0442

Abstract: 本发明涉及计算机技术领域，具体涉及一种基于Bi‑LSTM的TextRank中文摘要自动生成方法，以Word2vec模型转换的词向量为输入信息，利用Bi‑LSTM模型进一步处理，将输出的信息作为文本各句子的句向量，并用于计算句子间的相似度。通过以句子间相似度为边权重，以各句子为节点构建TextRank图结构，计算出各句子的TextRank值作为各句子权值，并根据权值大小进行排序，最后抽取候选摘要句组成最终的摘要。本发明通过Bi‑LSTM融合Word2vec+TextRank自动摘要模型，提出新的融合模型W2v‑BiL‑TR，提升了摘要抽取结果的质量。

公开(公告)号：CN116561296A

公开(公告)日：2023-08-08

申请号：CN202310462889.4

申请日：2023-04-26

Applicant: 桂林电子科技大学

Inventor： 程珠鸿 ,  周娅

IPC: G06F16/34 ,  G06F16/36 ,  G06F40/284 ,  G06F40/216 ,  G06F40/211

Abstract: 本发明涉及计算机技术领域，具体涉及一种基于文本多特征的TextRank中文摘要生成方法，通过Word2vec模型对文本提取词向量，并融合为句向量后计算句子之间的相似度，以相似度为边的权值，以各句子为节点构造TextRank图模型，并计算出各句子的TextRank值，然后对文本分别进行情感词特征、关键词特征、转折词特征以及标点特征的多特征提取，计算出文本中各句子的多特征值并与各句子的TextRank值结合，最后得到各句子的权值进行句子排序，抽取排序靠前的句子作为候选摘要句。本发明在虑文本的语义特征基础上，融合了文本的情感特征，使得生成的摘要质量更高。