摘要
本发明公开了一种基于PEGASUS模型与动态纠错的双阶段文本摘要生成方法,获取待处理的文本数据,并进行预处理,得到各特征进行融合,得到句子权重;根据句子权重对句子进行选取,选取摘要的关键句子;对关键句子进行层次聚类;识别潜在的未登录词,将未登录词标记为错误的词,将替代词替代标记为错误的词,并通过替换损失对替代词进行纠错;将替换文本通过PEGASUS模型计算对比损失;通过替换损失和对比损失计算综合损失,调整各权重系数、动态阈值及相似度阈值,直至综合损失达到最小或迭代次数达到最大,输出摘要。通过“动态纠错机制”对未登录词进行不同替代词替换,实现摘要的最优选择,提高生成摘要的准确性。
技术关键词
文本摘要生成方法
GRU神经网络
动态纠错
Word2Vec模型
语义特征
TextRank算法
关键词特征
阶段
数据
BERT模型
标记
聚类
处理器
计算机设备
无监督
可读存储介质
系统为您推荐了相关专利信息
GRU神经网络
气象监测方法
差分隐私
客户端
学习算法
风电机组叶片
故障检测方法
融合特征
故障类别
特征融合方法
文档自动生成方法
大语言模型
GCN模型
文本
标准化模板