基于深度学习的自动文本摘要生成

谢涵 朱逸青

摘要：以往人们都是手动写摘要，手动写摘要既不能省时省力，摘要的水平有时候会也受到写摘要的人写作水平的影响。随着自然语言处理在国内的兴起，相关的文本摘要数据集也可以被整理和获取。本文通过基于深度学习的技术自动生成文本摘要，使用海量样本训练生成相应领域的自动文本摘要器。在生活和生产中使用能够提取有用信息的自动文本摘要器，可以筛选出不必要且无关紧要的数据，实现摘要可以增强文档的可读性，减少研究信息所花费的时间。在本文中，我们构建seq2seq的框架并结合attention机制，比较基于RNN、LSTM和GRU的神经单元对社交媒体数据的中文文本摘要的处理情况。实验表明，引入分层注意力机制的Seq2Seq+ Hierarchical Attention+basedGRU模型可以从原文中生成较高质量的摘要。

关键词：自动摘要;深度学习;Seq2Seq;注意力机制

0 引言

随着网络媒体的飞速发展，微信、论坛、博客、微博等新媒体平台深深地影响着人们的阅读方式，相对于报纸、杂志，越来越多的人们选择从各新媒体平台上获取更方便、简洁的新闻资讯及其他信息。然而，人们在享受信息获取的便利性的同时面临着信息爆炸所带来的困扰。在各大媒体平台中，文本信息呈现出指数级别的增长，使得人们无法迅速从海量的信息中获取所需的资讯。文本摘要作为文本内容的缩影，概括了文章的主要内容和核心观点。因此，为了快速获得文章的主要信息，节省访问时间，提高阅读效率，自动摘要技术应运而生。……