融合文本分类的多任务学习摘要模型

作者：周伟枭; 蓝雯飞^*

来源：计算机工程, 2021, 47(04): 48-55.

DOI：10.19678/j.issn.1000-3428.0057448

• 编码器-解码器架构
• 文本摘要
• 文本分类
• 多任务学习
• 聚类算法
• 统计分布

应包含源文本中所有重要信息,传统基于编码器-解码器架构的摘要模型生成的摘要准确性较低。根据文本分类和文本摘要的相关性,提出一种多任务学习摘要模型。从文本分类辅助任务中学习抽象信息改善摘要生成质量,使用K-means聚类算法构建Cluster-2、Cluster-10和Cluster-20文本分类数据集训练分类器,并研究不同分类数据集参与训练对摘要模型的性能影响,同时利用基于统计分布的判别法全面评价摘要准确性。在CNNDM测试集上的实验结果表明,该模型在ROUGE-1、ROUGE-2和ROUGE-L指标上相比强基线模型分别提高了0.23、0.17和0.31个百分点,生成摘要的准确性更高。

• 单位
  中南民族大学