[发明专利]一种基于文本关系图的多文本摘要生成方法

说明书

本发明公开了一种基于文本关系图的多文本摘要生成方法，其包括三个阶段：第一个阶段是根据所有输入文本，构建文本之间的关系图，并对文本进行特征提取；第二个阶段是利用第一阶段生成的文本关系图数据和文本特征，结合图神经网络进行高阶特征提取。第三个阶段是对前两个阶段编码的文本特征进行解码，生成摘要。在第二个阶段中，是将构建的文档关系图和经过编码器编码的文档表征作为图卷积神经网络的输入，进行前向传播，提取更高阶的文本特征，使得图中每个文档节点都可以获得领域节点信息，丰富了文档表征。本发明在多个文档输入时可以有效捕捉其相互间关系，克服传统方法不能充分利用文本之间关系的缺陷。

技术领域

本发明属于自然语言处理领域，更具体地，涉及一种基于文本关系图的多文本摘要生成方法和系统。

背景技术

随着信息技术和智能设备的发展，网络空间中产生的文本数据越来越多，文本信息过载问题日益。目前我们可以轻松快速获取大量信息，获取信息的频率增加了，同时获得关键信息的难度也随之增大。所以，对各类文本进行一个概括处理以轻松地从中获得关键信息显得愈发重要。文本摘要是一种对大量文本进行简明而精确的总结的技术，利用计算机自动生成输入文本的摘要的技术，以使人们能够轻松地从大量信息中获得关键信息。如今，文本摘要已成为自然语言处理领域的重要分支。

文本摘要按照输入文本的类型可以分为单文本摘要和多文本摘要。单文本摘要的输入为单一文本；多文本摘要研究同一主题信息中的若干篇文档合集，通过相关摘要技术的处理，生成该事件主题的一小段简明扼要、可读性较好的文本，这段文本无冗余信息，可以准确还原出事件主旨。用户通过阅读该文本，可以迅速了解该事件主题相关内容信息，用户基于这些相关信息再决定是否进一步深入阅读更多相关细节内容，从而加快用户获取文本信息的速度，满足当前社会中人们快速掌握信息的要求，节省用户阅读时间，提高信息获取效率。

按照摘要词生成的方式，文本摘要主要分为抽取式、生成式和混合式三大类。抽取式文本摘要从源文章中选出可以代表最重要观点的词或者句子，并将它们组合在一起构成摘要；生成式文本摘要首先理解源文档然后进行摘要生成，多使用复杂的深度学习技术来实现，它可以生成源文档中没有出现过的词或者句子，因此这种方法可以解决抽取式摘要方法的语法不准确性问题；混合式方法则是同时使用抽取式和生成式的方法。

目前的多文本生成式摘要生成方法主要有基于RNN类模型的方法、基于图图注意力的方法以及结合单文本摘要模型的方法，其中基于RNN类模型的方法是以RNN类模型作为基本单元的编码器和解码器来生成文本摘要，但其时间上的前后依赖性意味着该网络在训练时无法并行执行，导致实际应用时效率低下；基于图注意力的方法借助事先构建好的关系图，以辅助注意力机制中的注意力值分配，但其本质上仍是以加权求和为基础的注意力机制，无法充分捕捉文本之间的关系，使得模型不能很好地理解输入文本集合在语义上的关联，导致生成的摘要质量不佳；结合单文本摘要模型的方法是在多文本输入场景时，将所有输入文本连接起来再使用单文本摘要模型来进行处理，但是这种方法导致输入过长，使得模型从输入文本序列中定位关键信息变得十分困难，此外，这种方法忽略了输入文本之间的关系，多个输入文本之间往往存在信息重复或者互补的关系，从而造成生成的摘要质量偏低。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于文本关系图的多文本摘要生成方法，其目的在于，解决现有基于RNN类模型的方法中由于网络在训练时无法并行执行，导致实际应用时效率低下的技术问题，以及基于图注意力的方法由于模型不能很好地理解输入文本集合在语义上的关联，导致生成的摘要质量不佳的技术问题，以及结合单文本摘要模型的方法从输入文本序列中定位关键信息十分困难、生成的摘要质量偏低的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于文本关系图的多文本摘要生成方法，包括以下步骤：

(1)获取多个输入文本，对获取的多个输入文本进行预处理，以得到预处理后的多个文本；