摘要
针对人工文案的写作效率无法与新产品的增长速度相匹配的问题,提出了利用基于编码器-解码器的神经网络模型来自动生成文案的方法。首先以Seq2seq+attention为基础结构模型,其次在该模型中加入了Pointer Generator网络,最后在模型的损失函数中引入Coverage Loss。结果显示该算法相比于原始的Seq2seq+att模型在ROUGE-1、ROUGE-2、ROUGE-L评测函数中得分均有所提升。说明此模型提高了文案生成结果的可读性及准确性。
-
单位河北经贸大学