1 绪 论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 抽取式摘要方法
1.2.2 生成式摘要方法
1.2.3 预训练模型
1.3 研究内容和创新
1.4 论文的组织结构
1.5 本章小结
2 关键技术基础
2.1 自然语言相关理论基础
2.1.1 中文分词
2.1.2 词向量处理
2.2 深度学习相关网络模型
2.2.1 循环神经网络RNN 及相关变形
2.2.2 Transformer 及预训练模型BERT
2.3 相关优化技术
2.3.1 Attention模型
2.3.2 Beam Search
2.3.3指针生成网络
2.4 本章小结
3 基于深度学习的自动标题算法研究
3.1 基于深度学习的标题自动摘要生成
3.1.1 Textrank 预处理及词向量表示
3.1.2 基于LSTM 的标题自动摘要模型t-textsum
3.2 基于 t-textsum融合知识图谱模型 k-t-textsum
3.2.1知识图谱融合及词表处理
3.2.2 先验知识分布
3.3 实验及结果分析
3.3.1 实验数据集介绍
3.3.2 数据集处理
3.3.3 实验评估方法
3.3.4 实验结果对比及分析
3.4 本章小结
4 基于预训练模型的自动标题技术研究
4.1 基于 BERT预训练模型的标题自动摘要设计
4.1.1 BERT_wwm预训练模型
4.1.2 基于BERT-wwm-ex的序列到序列模型
4.2 基于 BERT的知识赋能自动标题摘要模型设计
4.3 实验结果及系统实现
4.3.1 实验数据集介绍
4.3.2 数据集处理
4.3.3 实验结果对比及分析
4.4 本章小结
5 总结与展望
5.1 总结
5.2 展望
参考文献
附录
A. 作者在攻读学位期间成果目录
B. 学位论文数据集
致谢
重庆大学;