【技术实现步骤摘要】
用于生成文本摘要的方法和装置
本申请实施例涉及计算机
，尤其涉及自然语言识别
技术介绍
自动摘要文本在许多NLP(NaturalLanguageProcessing，自然语言处理)领域中有着非常重要的应用。如新闻标题生成、会议纪要、社交短文本的话题生成、智能客服任务等等。如何生成可读性强的摘要文本变成了炙手可热的研究课题。目前生成文本摘要的方法一般分为抽取式和生成式。抽取式摘要的一般实现方法为从原文中选取关键词、关键句组成摘要。生成式摘要允许摘要中包含新的词语或短语，具有更高的灵活性高，其实现方法一般为利用序列到序列(Seq2Seq)模型。
技术实现思路
本申请实施例提出了用于生成文本摘要的方法、装置、设备以及存储介质。第一方面，本申请的一些实施例提供了一种用于生成文本摘要的方法，该方法包括：对目标文本进行预处理，得到预先训练的编码解码模型的第一输入序列与预先训练的抽取式文本摘要模型的第二输入序列；将第一输入序列输入编码解码模型得到编码解码模型中解码部分输出的待解码向量；将...
【技术保护点】
1.一种用于生成文本摘要的方法，包括：/n对目标文本进行预处理，得到预先训练的编码解码模型的第一输入序列与预先训练的抽取式文本摘要模型的第二输入序列；/n将所述第一输入序列输入所述编码解码模型得到所述编码解码模型中解码部分输出的待解码向量；/n将所述第二输入序列输入所述抽取式文本摘要模型得到所述抽取式文本摘要模型的输出向量；/n基于所述待解码向量与所述输出向量进行解码操作，生成所述目标文本的摘要。/n
【技术特征摘要】
1.一种用于生成文本摘要的方法，包括：
对目标文本进行预处理，得到预先训练的编码解码模型的第一输入序列与预先训练的抽取式文本摘要模型的第二输入序列；
将所述第一输入序列输入所述编码解码模型得到所述编码解码模型中解码部分输出的待解码向量；
将所述第二输入序列输入所述抽取式文本摘要模型得到所述抽取式文本摘要模型的输出向量；
基于所述待解码向量与所述输出向量进行解码操作，生成所述目标文本的摘要。
2.根据权利要求1所述的方法，其中，所述对目标文本进行预处理，得到预先训练的编码解码模型的第一输入序列与预先训练的抽取式文本摘要模型的第二输入序列，包括：
对所述目标文本进行分词得到词序列；
确定所述词序列中各个词的词向量、词性向量和事件关键词向量，其中，所述词性向量表征词的词性，所述事件关键词向量表征词是否为事件关键词；
根据所述词序列中各个词的词向量、词性向量和事件关键词向量确定所述第一输入序列。
3.根据权利要求2所述的方法，其中，所述事件关键词包括经由以下步骤确定的词：
确定当前词是否为动词或表征实体；
响应于确定出所述当前词是否为动词或表征实体，确定所述当前词是否为所述目标文本中的关键词，其中，所述目标文本中的关键词包括对所述目标文本进行关键词抽取得到的词；
响应于确定出所述当前词为所述目标文本中的关键词，确定所述当前词为事件关键词。
4.根据权利要求1所述的方法，其中，所述抽取式文本摘要模型，包括前馈神经网络，以及
所述将所述第二输入序列输入所述抽取式文本摘要模型得到所述抽取式文本摘要模型的输出向量，包括：
将所述第二输入序列输入所述前馈神经网络得到所述前馈神经网络的输出向量，所述前馈神经网络的输出向量表征所述目标文本的词分布。
5.根据权利要求1-4中任一项所述的方法，其中，所述抽取式文本摘要模型，包括主题模型，以及
所述将所述第二输入序列输入所述抽取式文本摘要模型得到所述抽取式文本摘要模型的输出向量，包括：
将所述第二输入序列输入所述主题模型得到所述主题模型的输出向量，所述主题模型的输出向量表征所述目标文本的主题分布。
6.根据权利要求1所述的方法，其中，所述基于所述待解码向量与所述输出向量进行解码操作，生成所述目标文本的摘要，包括：
根据所述待解码向量与所述输出向量确定所述编码解码模型中解码函数的输入向量；
通过所述解码函数对所述输入向量进行解码得到所述目标文本的摘要。
7.根据权利要求6所述的方法，其中，所述根据所述待解码向量与所述输出向量确定所述编码解码模型中解码函数的输入向量，包括：
级联所述待解码向量与所述输出向量；
将级联后的向量输入预先训练的神经网络，得到与所述待解码向量长度一致的向量作为所述输入向量。
8.一种用于生成文本摘要的装置，包括：
预处理单元，被配置成对目标文本进行预处理，得到预先训练的编码解码模型的第一输入序列与预先训练的抽取式文本摘要模...
【专利技术属性】
技术研发人员：黄佳艳，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。