声明
第一章 绪论
1.1 研究背景及意义
1.2 国内外的研究状况
1.2.1 国外研究现状
1.2.2 国内研究现状
1.4 论文结构安排
1.5 本章小结
第二章 自动摘要相关技术介绍
2.1 词向量技术
2.2 抽取式自动摘要
2.2.1 基于图排序算法的自动摘要
2.2.2 有监督学习相关算法
2.3 生成式自动摘要相关技术
2.3.1 序列到序列框架(SeT2SeT)
2.3.2注意力机制(Attention Mechanism)
2.3.3指针网络(Pointer Network)
2.4 自动摘要评测方法
2.5 本章小结
第三章 自动文本摘要在政府公文中的改进与测试
3.2 抽取式自动摘要的改进
3.2.1 基于深层语义挖掘的图排序算法的方法
3.2.2 基于分层注意力机制的有监督抽取算法
3.3 生成式自动摘要的改进
3.3.1 基于ROUGE评分的生成式自动摘要
3.4 测试及实验结果分析
3.4.2 数据集介绍
3.4.3 实验评价指标
3.4.5 实验参数
3.4.6 抽取式自动摘要测试与分析
3.4.7 生成式自动摘要测试与分析
3.5 本章小结
第四章 结合抽取式与生成式摘要的政府公文摘要方法研究
4.2.1基于阈值调控的改进思想
4.2.2 基于阈值调控的级联模型
4.2.3 训练方法
4.3 基于强化学习的结合方法
4.3.1 强化学习基本理论
4.3.2 基于强化学习的结合思想
4.3.3 基于强化学习的结合模型
4.3.4 模型训练
4.4 实验结果及分析
4.4.2 基于阈值调控的级联式结合方法实验与分析
4.4.3 基于强化学习的结合方法实验与分析
4.5 本章小结
第五章 总结与展望
5.1 工作总结
5.2 未来展望
致谢
参考文献
电子科技大学;