[发明专利]一种基于K-means模型和神经网络模型的生成文本摘要的方法有效
| 申请号： | 201910090754.3 | 申请日： | 2019-01-29 |
| 公开（公告）号： | CN109885683B | 公开（公告）日： | 2022-12-02 |
| 发明（设计）人： | 蔡晓东;秦菲 | 申请（专利权）人： | 桂林远望智能通信科技有限公司 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06F16/34;G06K9/62 |
| 代理公司： | 北京轻创知识产权代理有限公司 11212 | 代理人： | 杨立 |
| 地址： | 541004 广西壮族自治区*** | 国省代码： | 广西;45 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于K‑means模型和神经网络模型的生成文本摘要的方法，包括对原始文本进行预处理，得到分割成单个的句子及词语，并将所述句子及词语输入至doc2vec模型中，训练得到句向量；确定所述原始文本的聚类中心个数，并将所述句向量输入至无监督的K‑means模型中，训练得到聚类中心向量；计算所述聚类中心向量与所述句向量的欧式距离，并将距离所述聚类中心最近的句向量对应的句子提取出来作为参考摘要；将所述原始文本、所述参考摘要以及所述词语输入至生成式神经网络模型中，生成文本摘要。本发明的有益效果是将无监督模型和有监督的神经网络模型结合，使得生成的文本摘要能够语义连贯便于用户理解。 | ||
| 搜索关键词： | 一种 基于 means 模型 神经网络 生成 文本 摘要 方法 | ||
【主权项】：
1.一种基于K‑means模型和神经网络模型的生成文本摘要的方法，其特征在于，包括：对原始文本进行预处理，得到分割成单个的句子及词语，并将所述句子及词语输入至doc2vec模型中，训练得到句向量；确定所述原始文本的聚类中心个数，并将所述句向量输入至无监督的K‑means模型中，训练得到聚类中心向量；计算所述聚类中心向量与所述句向量的欧式距离，并将距离所述聚类中心最近的句向量对应的句子提取出来作为参考摘要；将所述原始文本、所述参考摘要以及所述词语输入至生成式神经网络模型中，生成文本摘要。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于桂林远望智能通信科技有限公司，未经桂林远望智能通信科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910090754.3/，转载请声明来源钻瓜专利网。
