【技术实现步骤摘要】
一种基于异构图的单语言主题摘要生成方法
[0001]本专利技术属于人工智能
，特别涉及一种基于异构图的单语言主题摘 要生成方法。
技术介绍
[0002]互联网快速发展，各种包含新闻的文本数据涌现，导致人们很难快速获取 本文中的主题信息；另外，同一新闻在不同记者报道下，会有不同角度的观点， 从而有助于帮助用户了解某一件事件的全貌，怎样把所有的报道归纳成的主要 的观点；在闲暇之余想看到长篇新闻的时候想快速了解新闻的主要内容。怎样 快速地从文本信息中去获取核心的内容，在当今格局下显得尤为必要与迫切。
[0003]现有用GCN或者GAT模型，用异构图的方法做到单语言摘要。但是缺点 是未考虑单词之间的多种关系，并且现有技术多针对于英语，对于其他语言， 缺少其对应的词嵌入。
技术实现思路
[0004]为了克服上述现有技术的缺点，本专利技术的目的在于提供一种基于异构图的 单语言主题摘要生成方法，利用multi
‑
GCN，可以考虑单词之间的关系，如句 法关系与语义关系；利用GAN网络，可以生成...
【技术保护点】
【技术特征摘要】
1.一种基于异构图的单语言主题摘要生成方法，其特征在于，包括如下步骤：步骤1，从网络爬取源语言的摘要数据集，并进行分词、分句和打标签操作，所述源语言即为需要生成摘要的数据集的语种；步骤2，使用对抗训练学习一个从源语言到目标语言的空间线性映射，得到源语言与目标语言在同一个共享向量空间的词向量，对分词、分句和打标签操作得到的数据进行预处理，得到包含单词节点、句子节点和边特征的向量，其中所述目标语言为一个大型语种；步骤3，使用图注意力网络，将包含单词节点、句子节点和边特征的向量进行信息聚合，不断更新单词节点与句子节点，得到信息聚合之后的句子节点；步骤4，将信息聚合之后的句子节点进行节点分类，并以交叉熵损失作为训练目标，根据句子的分数排序，筛选适合作为摘要的句子节点。2.根据权利要求1所述基于异构图的单语言主题摘要生成方法，其特征在于，所述步骤2，对分词、分句和打标签操作得到的数据，利用所述源语言的词向量进行词嵌入操作，并将词嵌入整合获得句子嵌入，将词嵌入作为单词节点，句子嵌入作为句子节点，词嵌入与句子嵌入之间的关系作为边特征，构造异构图。3.根据权利要求2所述基于异构图的单语言主题摘要生成方法，其特征在于，所述对抗训练采用GAN网络，其中用来对抗的数据集是一一对应的，所述空间线性映射的映射函数如下所示：其中，X表示源语言的词嵌入，Y表示与X对应的目标语言的词嵌入，生成器生成X到Y的映射W，为一个d
×
d维空间的实数矩阵，|| ||
F
为F范数符号，W
*
表示WX
‑
Y的F范数最小时映射函数的值；判别器辨别WX和对应Y之间的不同，通过判别器和生成器的不断对抗，直到WX与Y相似程度使得判别器判别不出；所述判别器的参数为θ
D
，判别器的损失函数如下所示：n为源语言的单词数量，m为目标语言的单词数量，x
i
表示源语言中第i个单词的词嵌入，y
i
表示目标语言中第i个单词的词嵌入；表示判别器认为Wx
i
是源语言嵌入的概率，表示判别器认为y
i
是目标语言嵌入的概率；训练W使得判别器无法辨别出WX与Y，则其损失函数为：则其损失函数为：表示判别器认为Wx
i
是目标语言嵌入的概率，表示判别器认为y
i
是源语言嵌入的概率；给定输入的样本，判别器和映射函数W依次用随机梯度下降法进行更新，使得L
D
(θ
D
|W)与L
W
(W|θ
D
)之和最小；
最终得到源语言与目标语言在同一个共享向量空间的词向量，任意一个源语言单词的邻居节点均为目标语言的对应单词。4.根据权利要求3所述基于异构图的单语言主题摘要生成方法，其特征在于，基于所述源语言的词向量，先采用卷积神经网络捕捉每个句子局部的n
‑
garm特征，然后采用双向长短期记忆网络捕捉句子级特征，将所述局部的n
‑
garm特征与所述句子级特征进行连接得到上下文单词嵌入，再用multi
‑
GCN捕捉单词间的多个关系，对于句法关系，两个单词之间存在依赖关系时，A
r
[w
i
,w
j
]＝1，不存在依赖关系时，A
r
[w
i
,w
j
...
【专利技术属性】
技术研发人员：云静，郑博飞，焦磊，袁静姝，刘利民，
申请(专利权)人：内蒙古工业大学，
类型：发明
国别省市：
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。