声明
第一章 绪 论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 本文的主要研究内容
1.4 本文的结构安排
第二章 相关技术介绍
2.1 深度学习
2.1.1 循环神经网络
2.1.2 长短期记忆网络
2.1.3 序列到序列模型
2.1.4 注意力机制
2.2 强化学习
2.3 文本表示
2.3.1 Word2vec
2.3.2 GloVe
2.3.3 ELMo
2.4 本章小结
第三章 基于改进注意力的文本摘要模型
3.1 文本摘要模型整体结构
3.2 文本特征抽取
3.2.1 重排列语言模型
3.2.2 转换器
3.2.3 双流自注意力
3.3 改进注意力
3.3.1 历史缓存注意力
3.3.2 差异注意力
3.4 指针生成器网络
3.5 损失函数
3.6.1 数据集
3.6.2 数据预处理
3.6.3 评价方法
3.6.4 实验环境
3.6.5 实验参数
3.6.6 实验结果分析
3.7 本章小结
第四章 文本摘要生成系统的设计与实现
4.1 需求分析
4.1.1 功能性需求
4.1.2 非功能性需求
4.2 系统设计
4.2.1 系统软件体系结构
4.2.2 系统业务分层
4.2.3 系统技术架构
4.2.4 系统功能架构
4.3 详细设计
4.3.1 文本预处理模块
4.3.2 文本特征提取模块
4.3.3 文本摘要生成模块
4.3.4 信息交互模块
4.3.5 系统管理模块
4.4.1 文本预处理模块
4.4.2 文本特征提取模块
4.4.3 文本摘要生成模块
4.5.1 系统环境和工具
4.5.2 功能测试
4.5.3 性能测试
4.5.4 功能展示
4.6 本章小结
第五章 全文总结与展望
5.1 全文总结
5.2 后续工作展望
致谢
参考文献
攻读硕士学位期间取得的成果
电子科技大学;