CN112528013A - 文本摘要提取方法、装置、电子设备及存储介质 - Google Patents
文本摘要提取方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112528013A CN112528013A CN202011435074.XA CN202011435074A CN112528013A CN 112528013 A CN112528013 A CN 112528013A CN 202011435074 A CN202011435074 A CN 202011435074A CN 112528013 A CN112528013 A CN 112528013A
- Authority
- CN
- China
- Prior art keywords
- text
- training
- abstract
- model
- extraction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 158
- 238000012549 training Methods 0.000 claims abstract description 173
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000005457 optimization Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 8
- 230000000873 masking effect Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 6
- 238000003058 natural language processing Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 9
- 206010035664 Pneumonia Diseases 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000002994 raw material Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/34—Browsing; Visualisation therefor
- G06F16/345—Summarisation for human users
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Machine Translation (AREA)
Abstract
本发明涉及自然语言处理技术,揭露一种文本摘要提取方法,包括:在Bert模型中添加奇偶句编码层得到编码器,从transformer模型中提取解码器,组合所述编码器和所述解码器得到待训练文本摘要提取模型,对训练文本集执行分句操作得到训练语段集,接收用户在所述训练语段集中添加的特征提取标识符,利用所述训练语段集及所述特征提取标识符训练所述待训练文本摘要提取模型,得到文本摘要提取模型,接收摘要待提取文本,将所述摘要待提取文本输入至所述文本摘要提取模型得到文本摘要。本发明还揭露文本摘要提取装置、电子设备以及存储介质。本发明可解决文本摘要提取过程中,缺少对文本奇偶句划分及重要语段识别的能力,进而影响文本摘要提取准确率的问题。
Description
技术领域
本发明涉及自然语言处理领域,尤其涉及一种文本摘要提取方法、装置、电子设备及计算机可读存储介质。
背景技术
伴随人工智能的快速发展,目前涌现多种文本摘要提取方法,其中传统机器学习缺乏对海量文本数据特征提取的能力,已逐渐被深度学习方法替代去执行文本摘要提取。
目前常用transformer模型实现对文本摘要提取,但transformer模型由于缺少对文本奇偶句划分后的特征提取及文本中重要语段识别的能力,进而导致文本摘要提取的准确率有进一步提高的空间。
发明内容
本发明提供一种文本摘要提取方法、装置、电子设备及计算机可读存储介质,其主要目的在于解决在文本摘要提取过程中,缺少对文本奇偶句划分后的特征提取及文本重要语段识别的能力,进而影响文本摘要提取准确率的问题。
为实现上述目的,本发明提供的一种文本摘要提取方法,包括:
在预构建的Bert模型中添加奇偶句编码层,得到编码器;
从预接收的transformer模型中提取解码器,组合所述编码器和所述解码器,得到待训练文本摘要提取模型;
接收训练文本集,对所述训练文本集执行分句操作,得到训练语段集;
接收用户在所述训练语段集中添加的特征提取标识符;
利用所述训练语段集及所述特征提取标识符,训练所述待训练文本摘要提取模型,得到文本摘要提取模型;
接收摘要待提取文本,将所述摘要待提取文本输入至所述文本摘要提取模型,得到文本摘要。
可选地,所述利用所述训练语段集及所述特征提取标识符,训练所述待训练文本摘要提取模型,得到文本摘要提取模型,包括:
步骤A:利用所述特征提取标识符,将所述训练语段集分为待遮蔽训练语段集及非遮蔽训练语段集,将所述待遮蔽训练语段集执行遮蔽操作,得到遮蔽训练语段集;
步骤B:接收用户设定的编码器学习率、解码器学习率及训练周期,将所述遮蔽训练语段集及所述非遮蔽训练语段集输入至所述待训练文本摘要提取模型中;
步骤C:利用所述编码器及所述编码器学习率,对所述遮蔽训练语段集及所述非遮蔽训练语段集执行特征提取,得到语段特征集;
步骤D:利用所述解码器及所述解码器学习率,预测所述语段特征集对应的文本摘要集;
步骤E:利用所述文本摘要集及预构建的优化算法,优化所述待训练文本摘要提取模型的内部参数,并记录优化次数;
步骤F:判断所述优化次数与所述训练周期的大小关系,若所述优化次数小于或等于所述训练周期,返回步骤C;
步骤G:若所述优化次数大于所述训练周期,得到所述文本摘要提取模型。
可选地,所述在预构建的Bert模型中添加奇偶句编码层,得到编码器,包括:
在所述Bert模型中的前馈反向层后,添加所述奇偶句编码层,得到所述编码器。
可选地,所述利用所述编码器及所述编码器学习率,对所述遮蔽训练语段集及所述非遮蔽训练语段集执行特征提取,得到语段特征集,包括:
将所述遮蔽训练语段集及所述非遮蔽训练语段集,按照在所述训练文本集的语句顺序,整合得到半遮蔽训练语段集;
利用所述Bert模型并结合所述编码器学习率,对所述半遮蔽训练语段集执行特征提取,得到待分类语段特征集;
利用所述奇偶句编码层,对所述待分类语段特征集执行语段奇偶分类并继续执行特征提取,得到所述语段特征集。
可选地,所述利用所述特征提取标识符,将所述训练语段集分为待遮蔽训练语段集及非遮蔽训练语段集,包括:
从所述训练语段集中提取包括所述特征提取标识符的训练语段,组合得到所述待遮蔽训练语段集;
从所述训练语段集中提取不包括所述特征提取标识符的训练语段,组合得到所述非遮蔽训练语段集。
可选地,所述组合所述编码器和所述解码器,得到待训练文本摘要提取模型,包括:
将所述编码器在先,所述解码器在后,连接得到所述待训练文本摘要提取模型。
可选地,所述接收训练文本集,之后包括:
遍历所述训练文本集中每个训练文本,将所述训练文本拆分为正文文本和摘要文本;
分别判断所述正文文本和所述摘要文本是否满足预设字数要求,若所述正文文本和所述摘要文本有任意一个不满足所述预设字数要求,去除所述正文文本和所述摘要文本对应的训练文本,直至遍历完成得到清洗后的训练文本集。
为了解决上述问题,本发明还提供一种文本摘要提取装置,所述装置包括:
摘要提取模型构建模块,用于在预构建的Bert模型中添加奇偶句编码层,得到编码器,从预接收的transformer模型中提取解码器,组合所述编码器和所述解码器,得到待训练文本摘要提取模型;
特征提取标识符生成模块,用于接收训练文本集,对所述训练文本集执行分句操作,得到训练语段集,接收用户在所述训练语段集中添加的特征提取标识符;
模型训练模块,用于利用所述训练语段集及所述特征提取标识符,训练所述待训练文本摘要提取模型,得到文本摘要提取模型;
文本摘要生成模块,用于接收摘要待提取文本,将所述摘要待提取文本输入至所述文本摘要提取模型,得到文本摘要。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现上述中任意一项所述的文本摘要提取方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,包括存储数据区和存储程序区,存储数据区存储创建的数据,存储程序区存储有计算机程序;其中,所述计算机程序被处理器执行时实现上述中任意一项所述的文本摘要提取方法。
本发明实施例以原transformer模型中解码器为基础,在预构建的Bert模型中添加奇偶句编码层,得到新构建的编码器,并组合新构建的所述编码器和所述解码器,得到待训练文本摘要提取模型,相比于背景技术所提到的transformer模型,本发明实施例添加了奇偶句编码层,以解决对文本奇偶句划分后进行特征提取的目的,另外,本发明实施例在训练所述待训练文本摘要提取模型之前,对训练语段集中添加特征提取标识符,以帮助所述待训练文本摘要提取模型在训练过程中,提高对文本中重要语段的识别能力,因此本发明提出的文本摘要提取方法、装置及计算机可读存储介质,可以解决在文本摘要提取过程中,缺少对文本奇偶句划分后的特征提取及文本重要语段识别的能力,进而影响文本摘要提取准确率的问题。
附图说明
图1为本发明一实施例提供的文本摘要提取方法的流程示意图;
图2为本发明一实施例提供的文本摘要提取方法中S3的详细流程示意图;
图3为本发明一实施例提供的文本摘要提取装置的模块示意图;
图4为本发明一实施例提供的实现文本摘要提取方法的电子设备的内部结构示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种文本摘要提取方法,所述文本摘要提取方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述文本摘要提取方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示,为本发明一实施例提供的文本摘要提取方法的流程示意图。在本实施例中,所述文本摘要提取方法包括:
S1、在预构建的Bert模型中添加奇偶句编码层,得到编码器。
本发明另一实施例中,可从Bert模型所在的程序管理库中直接接收所述Bert模型。Bert模型(Bidirectional Encoder Representations from Transformers)是一种当前已公开的通用自然语言处理框架,内部结构包括嵌入层、多头注意力机制层及前馈反向层,其中嵌入层的作用是将文本用矩阵进行表示,所述多头注意力机制层的作用是从矩阵文本中提取得到文本特征,所述前馈反向层的作用是根据文本特征调解Bert模型的内部参数,达到优化Bert模型的目的。
进一步地,所述在预构建的Bert模型中添加奇偶句编码层,得到编码器,包括:在所述Bert模型中的前馈反向层之后,添加所述奇偶句编码层,得到所述编码器。
详细地,所述奇偶句编码层的主要目的是识别句子中词语数量是奇数还是偶数,从而对奇数句和偶数句执行分开编码。其中,所述奇偶句编码层包括结巴分词程序,利用所述结巴分词程序拆分句子得到多组词语,并遍历多组词语的数量,从而完成对句子中词语数量的识别。
S2、从预接收的transformer模型中提取解码器,组合所述编码器和所述解码器,得到待训练文本摘要提取模型。
所述transformer模型是一种开源的自然语言处理模型,包括解码器,本发明实施例中,从数据库中接收transformer模型,并提取出解码器。
进一步地,所述组合所述编码器和所述解码器,得到待训练文本摘要提取模型,包括:将所述编码器在先,所述解码器在后,连接得到所述待训练文本摘要提取模型。
S3、接收训练文本集,对所述训练文本集执行分句操作,得到训练语段集。
本发明实施例中,所述训练文本集是利用爬虫等手段,预先从网络中爬取并人工清理得到的文本数据,可实现对所述待训练文本摘要提取模型的训练功能。进一步地,所述训练文本集需包括正文和摘要两部分,其中摘要是对正文的简介。
由于从网络中爬取得到训练文本集,在文本字数上不一定符合本发明构建的所述待训练文本摘要提取模型的训练要求,如文本字数过少,不利于所述待训练文本摘要提取模型执行特征提取,从而影响所述待训练文本摘要提取模型的训练过程,或如文本字数过多,造成所述待训练文本摘要提取模型训练过拟合等,因此进一步地,参阅图2所示,所述接收训练文本集之后还包括:
S31、遍历所述训练文本集中每个训练文本,将所述训练文本拆分为正文文本和摘要文本;
S32、分别判断所述正文文本和所述摘要文本是否满足预设字数要求,若所述正文文本和所述摘要文本有任意一个不满足所述预设字数要求,去除所述正文文本和所述摘要文本对应的训练文本,直至遍历完成得到清洗后的训练文本集。
本发明实施例中,所述正文文本预设的字数在200字至10000字之间,所述摘要文本预设的字数在20字至200字之间。因此按照上述操作,清洗后的所述训练文本集,每个训练文本均满足预设的字数要求。
进一步地,由于将整个训练文本直接输入至所述待训练文本摘要提取模型中训练,会造成计算资源短时间消耗过大,同时影响所述待训练文本摘要提取模型的训练效果的问题,因此需要对所述训练文本集执行分句操作,详细地,本发明采用结巴分词方法,对所述训练文本集执行分句操作,得到所述训练语段集。
S4、接收用户在所述训练语段集中添加的特征提取标识符。
本发明实施例中,由于所述训练语段集中语段数量庞大,需要提前利用人工标注的形式,通知所述待训练文本摘要提取模型在训练阶段,需要重点利用的训练语段。如所述训练语段集中包括训练语段A:“目前全球受新冠肺炎的影响,硬件生产厂家的原材料获取极其困难”,及训练语段B:“这真是一件需要深思熟虑的事情”,则用户在训练语段A中添加特征提取标识符如[CLS],则训练语段A变为:“[CLS]目前全球受新冠肺炎的影响,硬件生产厂家的原材料获取极其困难”。
S5、利用所述训练语段集及所述特征提取标识符,训练所述待训练文本摘要提取模型,得到文本摘要提取模型。
进一步地,所述S5包括:
步骤A:利用所述特征提取标识符,将所述训练语段集分为待遮蔽训练语段集及非遮蔽训练语段集,将所述待遮蔽训练语段集执行遮蔽操作,得到遮蔽训练语段集;
步骤B:接收用户设定的编码器学习率、解码器学习率及训练周期,将所述遮蔽训练语段集及所述非遮蔽训练语段集输入至所述待训练文本摘要提取模型中;
步骤C:利用所述编码器及所述编码器学习率,对所述遮蔽训练语段集及所述非遮蔽训练语段集执行特征提取,得到语段特征集;
步骤D:利用所述解码器及所述解码器学习率,预测所述语段特征集对应的文本摘要集;
步骤E:利用所述文本摘要集及预构建的优化算法,优化所述待训练文本摘要提取模型的内部参数,并记录优化次数;
步骤F:判断所述优化次数与所述训练周期的大小关系,若所述优化次数小于或等于所述训练周期,返回步骤C;
步骤G:若所述优化次数大于所述训练周期,得到所述文本摘要提取模型。
详细地,本发明实施例中,从所述训练语段集中提取包括所述特征提取标识符的训练语段,组合得到所述待遮蔽训练语段集,从所述训练语段集中提取不包括特征提取标识符的训练语段,组合得到所述非遮蔽训练语段集。
进一步地,本发明将所述待遮蔽训练语段集中的词语用预设的符号进行遮蔽(masked token)。如所述待遮蔽训练语段集中待遮蔽训练语段C:“如何在新冠肺炎的冲击下,需找硬件原材料的突破口”,若对“硬件原材料”进行遮蔽,则所述训练文本C变为:“如何在新冠肺炎的冲击下,需找[mask]的突破口”,从而得到所述遮蔽训练语段集。
学习率(Learning rate)是深度学习中重要的超参数,本发明为区分编码器与解码器学习率的不同,分为所述编码器学习率及所述解码器学习率,其中所述编码器学习率设定为0.9,所述解码器学习率设定为0.99。所述训练周期表示所述待训练文本摘要提取模型的训练次数,本发明实施例中,设定所述训练周期为5000次。
详细地,当把所述遮蔽训练语段集及所述非遮蔽训练语段集输入至所述待训练文本摘要提取模型后,进一步地,所述利用所述编码器及所述编码器学习率,对所述遮蔽训练语段集及所述非遮蔽训练语段集执行特征提取,得到语段特征集,包括:将所述遮蔽训练语段集及所述非遮蔽训练语段集,按照在所述训练文本集的语句顺序,整合得到半遮蔽训练语段集,利用Bert模型并结合所述编码器学习率,对所述半遮蔽训练语段集执行特征提取,得到待分类语段特征集,利用所述奇偶句编码层,对所述待分类语段特征集执行语段奇偶分类并继续执行特征提取,得到所述语段特征集。
详细地,如在所述遮蔽训练语段集中具有训练文本C:“如何在新冠肺炎的冲击下,需找[mask]的突破口”,在所述非遮蔽训练语段集具有训练文本D:是当下硬件生产厂家需要考虑的问题”,在所述训练文本集值前后句的语句顺序,因此整合到所述半遮蔽训练语段集中,得到半遮蔽训练语段:“如何在新冠肺炎的冲击下,需找[mask]的突破口,是当下硬件生产厂家需要考虑的问题”。
本发明所述特征提取与Bert模型执行的特征提取相同,从而得到所述语段特征集。
进一步地,所述利用所述解码器及所述解码器学习率,预测所述语段特征集对应的文本摘要集,预测方式与当前已公开的transformer模型中的解码器预测方法相同,当得到所述文本摘要集后,本发明实施例中,所述预构建的优化算法采用Adam优化算法,优化所述待训练文本摘要提取模型的内部参数,直至优化次数大于本发明实施例所设定的5000,得到所述文本摘要提取模型。
S6、接收摘要待提取文本,将所述摘要待提取文本输入至所述文本摘要提取模型,得到文本摘要。
本发明实施例中,如用户输入一份学术论文至所述文本摘要提取模型,利用所述文本摘要提取模型生成与所述学术论文对应的学术论文摘要,从而达到帮忙用户更快的理解所述学术论文大纲及思想。
本发明实施例以原transformer模型中解码器为基础,在预构建的Bert模型中添加奇偶句编码层,得到新构建的编码器,并组合新构建的所述编码器和所述解码器,得到待训练文本摘要提取模型,相比于背景技术所提到的transformer模型,本发明实施例添加了奇偶句编码层,以解决对文本奇偶句划分后进行特征提取的目的,另外,本发明实施例在训练所述待训练文本摘要提取模型之前,对训练语段集中添加特征提取标识符,以帮助所述待训练文本摘要提取模型在训练过程中,提高对文本中重要语段的识别能力,因此本发明提出的文本摘要提取方法、装置及计算机可读存储介质,可以解决在文本摘要提取过程中,缺少对文本奇偶句划分后的特征提取及文本重要语段识别的能力,进而影响文本摘要提取准确率的问题。
如图3所示,是本发明文本摘要提取装置的模块示意图。
本发明所述文本摘要提取装置100可以安装于电子设备中。根据实现的功能,所述文本摘要提取装置可以包括摘要提取模型构建模块101、特征提取标识符生成模块102、模型训练模块103及文本摘要生成模块104。本发所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述摘要提取模型构建模块101,用于在预构建的Bert模型中添加奇偶句编码层,得到编码器,从预接收的transformer模型中提取解码器,组合所述编码器和所述解码器,得到待训练文本摘要提取模型;
所述特征提取标识符生成模块102,用于接收训练文本集,对所述训练文本集执行分句操作,得到训练语段集,接收用户在所述训练语段集中添加的特征提取标识符;
所述模型训练模块103,用于利用所述训练语段集及所述特征提取标识符,训练所述待训练文本摘要提取模型,得到文本摘要提取模型;
所述文本摘要生成模块104,用于接收摘要待提取文本,将所述摘要待提取文本输入至所述文本摘要提取模型,得到文本摘要。
本发明实施例所提供的文本摘要提取装置100中的各个模块能够在使用时基于与上述的文本摘要提取方法采用相同的手段,具体地实施步骤在此不再赘述,关于各模块/单元的功能所产生技术效果与上述的文本摘要提取方法的技术效果相同的,即解决在文本摘要提取过程中,缺少对文本奇偶句划分后的特征提取及文本重要语段识别的能力,进而影响文本摘要提取准确率的问题。
如图4所示,是本发明实现文本摘要提取方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如文本摘要提取程序12。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如文本摘要提取程序12的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如执行文本摘要提取程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图4仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图4示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的文本摘要提取程序12是多个指令的组合,在所述处理器10中运行时,可以实现:
在预构建的Bert模型中添加奇偶句编码层,得到编码器;
从预接收的transformer模型中提取解码器,组合所述编码器和所述解码器,得到待训练文本摘要提取模型;
接收训练文本集,对所述训练文本集执行分句操作,得到训练语段集;
接收用户在所述训练语段集中添加的特征提取标识符;
利用所述训练语段集及所述特征提取标识符,训练所述待训练文本摘要提取模型,得到文本摘要提取模型;
接收摘要待提取文本,将所述摘要待提取文本输入至所述文本摘要提取模型,得到文本摘要。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
进一步地,所述计算机可用存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
在预构建的Bert模型中添加奇偶句编码层,得到编码器,从预接收的transformer模型中提取解码器,组合所述编码器和所述解码器,得到待训练文本摘要提取模型;
在预构建的Bert模型中添加奇偶句编码层,得到编码器;
从预接收的transformer模型中提取解码器,组合所述编码器和所述解码器,得到待训练文本摘要提取模型;
接收训练文本集,对所述训练文本集执行分句操作,得到训练语段集;
接收用户在所述训练语段集中添加的特征提取标识符;
利用所述训练语段集及所述特征提取标识符,训练所述待训练文本摘要提取模型,得到文本摘要提取模型;
接收摘要待提取文本,将所述摘要待提取文本输入至所述文本摘要提取模型,得到文本摘要。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图表记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种文本摘要提取方法,其特征在于,所述方法包括:
在预构建的Bert模型中添加奇偶句编码层,得到编码器;
从预接收的transformer模型中提取解码器,组合所述编码器和所述解码器,得到待训练文本摘要提取模型;
接收训练文本集,对所述训练文本集执行分句操作,得到训练语段集;
接收用户在所述训练语段集中添加的特征提取标识符;
利用所述训练语段集及所述特征提取标识符,训练所述待训练文本摘要提取模型,得到文本摘要提取模型;
接收摘要待提取文本,将所述摘要待提取文本输入至所述文本摘要提取模型,得到文本摘要。
2.如权利要求1所述的文本摘要提取方法,其特征在于,所述利用所述训练语段集及所述特征提取标识符,训练所述待训练文本摘要提取模型,得到文本摘要提取模型,包括:
步骤A:利用所述特征提取标识符,将所述训练语段集分为待遮蔽训练语段集及非遮蔽训练语段集,将所述待遮蔽训练语段集执行遮蔽操作,得到遮蔽训练语段集;
步骤B:接收用户设定的编码器学习率、解码器学习率及训练周期,将所述遮蔽训练语段集及所述非遮蔽训练语段集输入至所述待训练文本摘要提取模型中;
步骤C:利用所述编码器及所述编码器学习率,对所述遮蔽训练语段集及所述非遮蔽训练语段集执行特征提取,得到语段特征集;
步骤D:利用所述解码器及所述解码器学习率,预测所述语段特征集对应的文本摘要集;
步骤E:利用所述文本摘要集及预构建的优化算法,优化所述待训练文本摘要提取模型的内部参数,并记录优化次数;
步骤F:判断所述优化次数与所述训练周期的大小关系,若所述优化次数小于或等于所述训练周期,返回步骤C;
步骤G:若所述优化次数大于所述训练周期,得到所述文本摘要提取模型。
3.如权利要求1所述的文本摘要提取方法,其特征在于,所述在预构建的Bert模型中添加奇偶句编码层,得到编码器,包括:
在所述Bert模型中的前馈反向层后,添加所述奇偶句编码层,得到所述编码器。
4.如权利要求3所述的文本摘要提取方法,其特征在于,所述利用所述编码器及所述编码器学习率,对所述遮蔽训练语段集及所述非遮蔽训练语段集执行特征提取,得到语段特征集,包括:
将所述遮蔽训练语段集及所述非遮蔽训练语段集,按照在所述训练文本集的语句顺序,整合得到半遮蔽训练语段集;
利用所述Bert模型并结合所述编码器学习率,对所述半遮蔽训练语段集执行特征提取,得到待分类语段特征集;
利用所述奇偶句编码层,对所述待分类语段特征集执行语段奇偶分类并继续执行特征提取,得到所述语段特征集。
5.如权利要求2所述的文本摘要提取方法,其特征在于,所述利用所述特征提取标识符,将所述训练语段集分为待遮蔽训练语段集及非遮蔽训练语段集,包括:
从所述训练语段集中提取包括所述特征提取标识符的训练语段,组合得到所述待遮蔽训练语段集;
从所述训练语段集中提取不包括所述特征提取标识符的训练语段,组合得到所述非遮蔽训练语段集。
6.如权利要求1所述的文本摘要提取方法,其特征在于,所述组合所述编码器和所述解码器,得到待训练文本摘要提取模型,包括:
将所述编码器在先,所述解码器在后,连接得到所述待训练文本摘要提取模型。
7.如权利要求1至6中任意一项所述的文本摘要提取方法,其特征在于,所述接收训练文本集,之后包括:
遍历所述训练文本集中每个训练文本,将所述训练文本拆分为正文文本和摘要文本;
分别判断所述正文文本和所述摘要文本是否满足预设字数要求,若所述正文文本和所述摘要文本有任意一个不满足所述预设字数要求,去除所述正文文本和所述摘要文本对应的训练文本,直至遍历完成得到清洗后的训练文本集。
8.一种文本摘要提取装置,其特征在于,所述装置包括:
摘要提取模型构建模块,用于在预构建的Bert模型中添加奇偶句编码层,得到编码器,从预接收的transformer模型中提取解码器,组合所述编码器和所述解码器,得到待训练文本摘要提取模型;
特征提取标识符生成模块,用于接收训练文本集,对所述训练文本集执行分句操作,得到训练语段集,接收用户在所述训练语段集中添加的特征提取标识符;
模型训练模块,用于利用所述训练语段集及所述特征提取标识符,训练所述待训练文本摘要提取模型,得到文本摘要提取模型;
文本摘要生成模块,用于接收摘要待提取文本,将所述摘要待提取文本输入至所述文本摘要提取模型,得到文本摘要。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7中任一项所述的文本摘要提取方法。
10.一种计算机可读存储介质,包括存储数据区和存储程序区,其特征在于,所述存储数据区存储创建的数据,所述存储程序区存储有计算机程序;其中,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的文本摘要提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011435074.XA CN112528013A (zh) | 2020-12-10 | 2020-12-10 | 文本摘要提取方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011435074.XA CN112528013A (zh) | 2020-12-10 | 2020-12-10 | 文本摘要提取方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112528013A true CN112528013A (zh) | 2021-03-19 |
Family
ID=74999134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011435074.XA Pending CN112528013A (zh) | 2020-12-10 | 2020-12-10 | 文本摘要提取方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112528013A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113434681A (zh) * | 2021-06-30 | 2021-09-24 | 平安科技(深圳)有限公司 | 业务操作控制方法、装置、电子设备及介质 |
CN114386421A (zh) * | 2022-01-13 | 2022-04-22 | 平安科技(深圳)有限公司 | 相似新闻检测方法、装置、计算机设备和存储介质 |
CN114676346A (zh) * | 2022-03-17 | 2022-06-28 | 平安科技(深圳)有限公司 | 新闻事件处理方法、装置、计算机设备和存储介质 |
WO2024053100A1 (ja) * | 2022-09-09 | 2024-03-14 | 日本電信電話株式会社 | データ生成装置、学習装置、データ生成方法、及びプログラム |
-
2020
- 2020-12-10 CN CN202011435074.XA patent/CN112528013A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113434681A (zh) * | 2021-06-30 | 2021-09-24 | 平安科技(深圳)有限公司 | 业务操作控制方法、装置、电子设备及介质 |
CN114386421A (zh) * | 2022-01-13 | 2022-04-22 | 平安科技(深圳)有限公司 | 相似新闻检测方法、装置、计算机设备和存储介质 |
CN114676346A (zh) * | 2022-03-17 | 2022-06-28 | 平安科技(深圳)有限公司 | 新闻事件处理方法、装置、计算机设备和存储介质 |
WO2024053100A1 (ja) * | 2022-09-09 | 2024-03-14 | 日本電信電話株式会社 | データ生成装置、学習装置、データ生成方法、及びプログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112667800A (zh) | 关键词生成方法、装置、电子设备及计算机存储介质 | |
CN112528013A (zh) | 文本摘要提取方法、装置、电子设备及存储介质 | |
CN112541338A (zh) | 相似文本匹配方法、装置、电子设备及计算机存储介质 | |
CN113051356A (zh) | 开放关系抽取方法、装置、电子设备及存储介质 | |
CN111460797B (zh) | 关键字抽取方法、装置、电子设备及可读存储介质 | |
CN112380343A (zh) | 问题解析方法、装置、电子设备及存储介质 | |
CN112446207A (zh) | 标题生成方法、装置、电子设备及存储介质 | |
CN113704429A (zh) | 基于半监督学习的意图识别方法、装置、设备及介质 | |
CN112507663A (zh) | 基于文本的判断题生成方法、装置、电子设备及存储介质 | |
CN112883730B (zh) | 相似文本匹配方法、装置、电子设备及存储介质 | |
CN112559687A (zh) | 问题识别及查询方法、装置、电子设备及存储介质 | |
CN113515938A (zh) | 语言模型训练方法、装置、设备及计算机可读存储介质 | |
CN112733551A (zh) | 文本分析方法、装置、电子设备及可读存储介质 | |
CN114511038A (zh) | 虚假新闻检测方法、装置、电子设备及可读存储介质 | |
CN112667775A (zh) | 基于关键词提示的检索方法、装置、电子设备及存储介质 | |
CN113360654A (zh) | 文本分类方法、装置、电子设备及可读存储介质 | |
CN113869456A (zh) | 采样监测方法、装置、电子设备及存储介质 | |
CN112783989A (zh) | 一种基于区块链的数据处理方法及装置 | |
CN113204698A (zh) | 新闻主题词生成方法、装置、设备及介质 | |
CN112347739A (zh) | 适用规则分析方法、装置、电子设备及存储介质 | |
CN112214602A (zh) | 基于幽默度的文本分类方法、装置、电子设备及存储介质 | |
CN115146064A (zh) | 意图识别模型优化方法、装置、设备及存储介质 | |
CN115221274A (zh) | 文本情感分类方法、装置、电子设备及存储介质 | |
CN114186028A (zh) | 咨诉工单处理方法、装置、设备及存储介质 | |
CN111738005A (zh) | 命名实体对齐方法、装置、电子设备及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |