针对风电技术文献专业性强、摘要自动生成困难的问题,提出一种基于BART模型与观察者机制的中文风电文献摘要生成算法(Summarization Generation Based on the Observer Mechanism of BART and Baidu DNN,SG-BART-DNN).首先,根据风电文...针对风电技术文献专业性强、摘要自动生成困难的问题,提出一种基于BART模型与观察者机制的中文风电文献摘要生成算法(Summarization Generation Based on the Observer Mechanism of BART and Baidu DNN,SG-BART-DNN).首先,根据风电文献的特征,利用Jieba分词算法,整理、搭建数据集,完成数据集的预处理工作;然后,引入BART模型,建立风电词汇向量空间,利用自建数据集,训练得到针对风电文献的生成者模型;最后,引入观察者DNN机制,设计基于联合损失函数的学习准则与训练方法,对生成者模型进行优化.实验结果表明:与同类算法进行对比,SG-BART-DNN模型对原文的理解更充分,生成的语句更准确,ROUGE-L得分更高,可以解决中文风电文献摘要生成的难题.展开更多
文摘针对风电技术文献专业性强、摘要自动生成困难的问题,提出一种基于BART模型与观察者机制的中文风电文献摘要生成算法(Summarization Generation Based on the Observer Mechanism of BART and Baidu DNN,SG-BART-DNN).首先,根据风电文献的特征,利用Jieba分词算法,整理、搭建数据集,完成数据集的预处理工作;然后,引入BART模型,建立风电词汇向量空间,利用自建数据集,训练得到针对风电文献的生成者模型;最后,引入观察者DNN机制,设计基于联合损失函数的学习准则与训练方法,对生成者模型进行优化.实验结果表明:与同类算法进行对比,SG-BART-DNN模型对原文的理解更充分,生成的语句更准确,ROUGE-L得分更高,可以解决中文风电文献摘要生成的难题.