基于深度学习的抽象文本摘要自动生成方法综述

抽象文本摘要本质上做的一件事情是信息过滤,旨在将文本或文本集合转换为包含关键信息的简短摘要,解决信息过载及信息冗余的问题.目前,在抽象文本摘要领域使用的主流方法大多是基于深度学习的模型.深度学习模型使用多个处理层来学习原文的层次表示,在抽象文本摘要领域产生了最先进的结果,所以基于深度学习的抽象文本摘要方法是近几年的研究...     

Web文本特征提取方法的研究与发展

本文对当前有关Web文本特征提取方法的研究和试验进行了简要的综述和分析,比较了每类方法的优势和不足,指出研究中存在的难点和共同探讨的问题,并在此基础上,对该领域未来研究的发展方向和趋势进行了预测。     

基于引文全文本的医学领域突破性文献识别研究

[目的/意义]从学术共同体的评论性引用视角出发,以引文全文本为基础,结合词频统计、深度学习等方法,探析引文文本中表征突破性评价的文本特征并构建自动识别模型以实现从海量文献中识别潜在突破性文献。[方法/过程]以诺贝尔生理学或医学奖获得者的关键文献以及Science十大科学突破主题的代表文献(医学领域)作为金标准突破性文献集并获取引用语句,对引用语句进行词频统计并结合人工筛选获取表征突破性评价的常用词。对引用语句进行人工标注,利用BERT、BIOBERT模型进行训练形成自动识别模型,并选择癌症领域进行实证分析。[结果/结论]结果表明,学术共同体在评价具有重大突破价值的文献时具有明显的文本特征;相较BERT模型,生物医学语言表示模型BIOBERT对突破性评价引用语句的识别能力明显增强,F1值为0.84。基于引用语句的自动识别模型能够较为精准地识别具有重要学术价值的文献并能在一定程度上实现早期识别和早期评价。     

基于量子自组织网络的Web文本自动分类方法

针对Web信息挖掘中的文本自动分类问题,提出了一种基于模糊特征向量和量子自组织特征映射网络的分类方法.该方法在特征提取时充分考虑了特征项在文档中的Web位置信息,构造出模糊特征向量,使自动分类原则更接近手工分类方法.     

基于深度学习的学术文本段落结构功能识别研究

【目的/意义】在学术大数据的应用背景下,对学术文本更加细粒度、语义化的分析挖掘日益迫切,学术文本结构功能识别成为科研领域的一个研究热点。【方法/过程】本文从段落的层次来识别章节结构功能,提出利用结合卷积神经网络和循环神经网络的特征对学术文本段落进行表达,然后进行分类。【结果/结论】文本提出的深度学习方法在整体分类结果上优于传统的机器学习方法,同时极大的减少了传统特征工程的人力需求。     

基于增量学习的图书文本分类方法

[目的/意义]旨在解决传统图书文本人工分类耗时耗力的问题,以及深度学习算法无法良好处理更新图书文本资源的分类问题.[方法/过程]提出了一种基于增量学习的图书文本分类方法,先利用现有图书资源创建标准文本分类模型,再采用增量学习方法修改模型,使其能够不断地帮助模型学习到新增的图书类别.[结果/结论]研究实验表明,增量式图书...     

中文网络信息资源的开发利用

本文分析了中文网络信息资源开发利用过程中存在的问题和制约其开发利用的因素,并对网络信息资源开发利用相关策略进行了探讨。     

一种基于文本关系图的多文档自动摘要技术

讨论了一种运用于搜索引擎中的多文档自动摘要技术。传统搜索引擎返回结果繁杂,常用的解决方案是使用聚类技术将内容相似的网页集合归类,然而聚类后的结果数目庞大,依然无法体现该类的主题。提出一种新的基于文本关系图的多文档自动摘要技术,对每类返回结果依主题思想自动提取多文档摘要,提高搜索引擎使用效率。分析了该系统的结构和算法,评价了实验结果,指出了未来的研究方向。     

中文文本分类反馈学习研究

本文依据反馈学习的思想和支持向量机分类算法,在分析中文文本分类过程的基础上,给出了基于反馈学习的中文文本分类模型,通过实验研究了反馈学习对中文文本分类模型性能的影响.结果表明,反馈学习对分类性能的提高有明显作用,它是对实时变化信息的有效解决方法.     

大学英语移动学习系统中的文本压缩技术研究

为了节约大学英语移动学习系统中的网络开销成本,提出一种适合当前网络传输状况的文本传输算法就变得十分必要。结合当前的无损压缩算法,采取三重压缩:基于固定字典的文本一次压缩,基于哈弗曼的二次压缩算法,基于编码固定位长算法的三次压缩。这种算法可有效节约通讯成本,而且在移动客户端可以拥有高效的解压缩效率。     

图形化摘要对学术交流的推动作用辨析

[目的/意义]该研究的目的是考察最近十多年以来,图形化摘要在国际学术期刊出版和学术交流领域的使用现状及其作用。[方法/过程]作者通过数据库检索、阅读国内外最新相关文献,识别出该领域的主要概念、关键发现,以及国内外发展的不平衡性;进而评析这一事物的现实意义及发展态势。[结果/结论]已有两项研究表明图形化摘要对影响因子没有直接影响。据此结论从4个方面评述图形化摘要对学术交流的影响：1图形化摘要兴起的历程;2否定、阻力、限制因素及国内现状;3促进学术交流与科学传播的长远影响;4结论及给未来研究的建议。     

文本知识的自动分类方法初探

本文结合运用信息管理和人工智能的原理与技术，探讨了文本知识的自动分类方法，包括：自动归类与聚类方法、基于实例的学习分类方法和基于特征值的元学习方法。     

中文医学论文中中英文摘要一致性问题探讨

中文医学论文中的英文摘要依据是该文章的中文摘要,内容必然应统一。英文摘要以准确无误地反映中文摘要内容为原则,简练、清晰、没有疏漏和错译。撰写英文摘要需字斟句酌,以便国际学者能准确抓住论文的主要信息。     

中文科技政策文本分类：增强的TextCNN视角*

近年尽管针对中文本文分类的研究成果不少，但基于深度学习对中文政策等长文本进行自动分类的研究还不多见。为此，借鉴和拓展传统的数据增强方法，提出集成新时代人民日报分词语料库（NEPD）、简单数据增强（EDA）算法、word2vec和文本卷积神经网络（TextCNN）的NEWT新型计算框架；实证部分，基于中国地方政府发布的科技政策文本进行算法校验。实验结果显示，在取词长度分别为500、750和1 000词的情况下，应用NEWT算法对中文科技政策文本进行分类的效果优于RCNN、Bi-LSTM和CapsNet等传统深度学习模型，F1值的平均提升比例超过13%；同时，NEWT在较短取词长度下能够实现全文输入的近似效果，可以部分改善传统深度学习模型在中文长文本自动分类任务中的计算效率。