买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京理工大学

摘要：本发明涉及一种基于话题增强的图神经网络事件综述文本生成方法，属于计算机自然语言理解技术领域。首先，利用大语言预训练模型从目标事件文本与引用事件文本中抽取关键话题。然后，利用关键话题筛选机制对事件文本表征进行过滤。围绕关键话题构建层次图结构，让目标事件文本与引用事件文本进行深度交互，获取丰富语义的结点表征。最后，用关键话题增强的解码器实现综述文本的生成。本方法引入关键话题这一概念，将关键话题作为索引来构建层次结构图来将目标事件文本与引用事件文本连接起来，可以帮助挖掘多篇事件文本之间的丰富的语义逻辑关系。本方法能够提高抽取关键词的质量，提升综述文本内容的层次性。

主权项：1.一种基于话题增强的图神经网络事件综述文本生成方法，其特征在于：步骤1：从目标事件文本与引用事件文本中，抽取关键话题；步骤2：对事件文本与关键话题信息进行编码；步骤3：过滤筛选事件文本表征；首先，基于关键话题与事件文本之间的共现关系，构建三种连接关系；关键话题-目标文本引用文本：如果目标文本与引用文本中包含这个话题，则依据这种共现关系将该话题与包含该话题内容的文本进行连接；目标文本-引用文本：如果目标文本与引用文本同时包含某个相同的话题，则认为目标文本与对应的引用文本在该话题描述的内容点上有关联，将其进行连接；关键话题、目标文本、引用文本同一类型结点范围内：针对每一类型的结点，每一个结点都会与同类结点全域范围内的结点存在关联；针对上述三种连接关系，构建连接图并进行编码；针对三种连接关系，将这三种类型文本句子表征看作三种不同类型的图结点，基于他们之间的相关关系进行边的连接，构建连接图；对于每一种类型的结点，都将基于三种关系进行编码；之后，将通过三种关系更新的结点进行拼接，并通过全连接层来融合多种更新信息，得到事件文本句子与关键话题的最终表征；最后，将更新后的句子表征通过前馈神经网络进行事件文本和关键话题单词级别的表征更新；步骤4：基于关键话题，构建目标事件文本、引用事件文本与关键话题的层次结构图，进行多事件文本的深度交互；步骤5：利用关键话题增强的解码器，获取当前训练轮次下生成的内容；步骤6：计算损失函数进行模型参数迭代，完成模型的训练；利用解码器预测生成的文本内容与标准的内容进行负对数似然损失函数计算，使模型所有的参数实现梯度更新；步骤7：当完成一次迭代更新的训练后，重复步骤2至步骤6，进行多轮训练，使模型获取更加精确的参数值；利用训练好的模型，实现综述文本内容的生成。

全文数据：

权利要求：

百度查询： 北京理工大学 一种基于话题增强的图神经网络事件综述文本生成方法