欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025102802382
申请人: 广东海洋大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种应用于报刊文章语义挖掘的摘要生成方法,其特征在于,所述方法包括:

对第一报刊文章进行语义提取,生成第一文章语义空间,以及对第二报刊文章进行语义提取,生成第二文章语义空间;

对所述第一文章语义空间进行语义匹配分析,生成所述第一文章语义空间中各第一语义向量单元的权重系数,以及对所述第二文章语义空间进行语义匹配分析,生成所述第二文章语义空间中各第二语义向量单元的权重系数,所述权重系数反映对报刊文章语义关联的影响系数;

依据所述各第一语义向量单元的权重系数,对所述第一文章语义空间进行语义空间优化,生成x个第一语义向量单元,以及依据所述各第二语义向量单元的权重系数,对所述第二文章语义空间进行语义空间优化,生成x个第二语义向量单元;

对所述x个第一语义向量单元和所述x个第二语义向量单元进行语义匹配分析,生成所述第一报刊文章和所述第二报刊文章之间的第一语义关联摘要结果;

所述对所述x个第一语义向量单元和所述x个第二语义向量单元进行语义匹配分析,生成所述第一报刊文章和所述第二报刊文章之间的第一语义关联摘要结果的步骤,包括:对所述x个第一语义向量单元和所述x个第二语义向量单元进行语义匹配分析,生成所述x个第一语义向量单元对应的第一特征标识和所述x个第二语义向量单元对应的第二特征标识,所述第一特征标识用于定位所述x个第一语义向量单元中与所述x个第二语义向量单元具有语义相关性的y个第一语义向量单元,所述第二特征标识用于定位所述x个第二语义向量单元中与所述x个第一语义向量单元具有语义相关性的z个第二语义向量单元,其中,所述第一特征标识和所述第二特征标识用于表示对应的掩码;

对所述y个第一语义向量单元和所述z个第二语义向量单元进行语义关联性分析,生成所述第一报刊文章和所述第二报刊文章之间的第一语义关联摘要结果。

2.根据权利要求1所述的应用于报刊文章语义挖掘的摘要生成方法,其特征在于,所述依据所述各第一语义向量单元的权重系数,对所述第一文章语义空间进行语义空间优化,生成x个第一语义向量单元,以及依据所述各第二语义向量单元的权重系数,对所述第二文章语义空间进行语义空间优化,生成x个第二语义向量单元,包括:依据语义关联度阈值和所述第一文章语义空间的维度确定x,或依据所述语义关联度阈值和所述第二文章语义空间的维度确定x;

依据所述各第一语义向量单元的权重系数,基于权重系数的降息次序,将所述第一文章语义空间中的前x个第一语义向量单元,输出为所述x个第一语义向量单元,以及依据所述各第二语义向量单元的权重系数,基于权重系数的降息次序,将所述第二文章语义空间中的前x个第二语义向量单元,输出为所述x个第二语义向量单元。

3.根据权利要求1-2中任意一项所述的应用于报刊文章语义挖掘的摘要生成方法,其特征在于,所述对所述x个第一语义向量单元和所述x个第二语义向量单元进行语义匹配分析,生成所述x个第一语义向量单元对应的第一特征标识和所述x个第二语义向量单元对应的第二特征标识,包括:确定所述x个第一语义向量单元对应的第一基础特征标识,以及确定所述x个第二语义向量单元对应的第二基础特征标识;

依据所述第一基础特征标识筛选所述x个第一语义向量单元,生成x个第一待调优语义向量单元,以及依据所述第二基础特征标识筛选所述x个第二语义向量单元,生成x个第二待调优语义向量单元;

依据第一语义关联分析模块对所述x个第一待调优语义向量单元进行语义关联性分析,并依据第一交互关联分析模块对所述x个第二待调优语义向量单元和所述第一语义关联分析模块生成的x个语义向量单元,生成x个第一调整语义向量单元,以及依据第二语义关联分析模块对所述x个第二待调优语义向量单元进行语义关联性分析,并依据第二交互关联分析模块对所述x个第一待调优语义向量单元和所述第二语义关联分析模块生成的x个语义向量单元,生成x个第二调整语义向量单元;

依据所述x个第一调整语义向量单元,对所述第一基础特征标识进行调整,生成第一调整特征标识,以及依据所述x个第二调整语义向量单元,对所述第二基础特征标识进行调整,生成第二调整特征标识;

依据所述第一调整特征标识确定所述第一特征标识,以及依据所述第二调整特征标识确定所述第二特征标识。

4.根据权利要求3所述的应用于报刊文章语义挖掘的摘要生成方法,其特征在于,在所述对第一报刊文章进行语义提取,生成第一文章语义空间,以及对第二报刊文章进行语义提取,生成第二文章语义空间之前,所述方法还包括:在所述第一报刊文章的维度和所述第二报刊文章的维度不一致时,将所述第一报刊文章和所述第二报刊文章转换到同一个维度;

所述确定所述x个第一语义向量单元对应的第一基础特征标识,以及确定所述x个第二语义向量单元对应的第二基础特征标识,包括:依据所述第一报刊文章的维度转换中补充的词汇,确定所述第一基础特征标识,所述第一基础特征标识中,与所述x个第一语义向量单元中补充的词汇的语义向量对应的标记为非核心内容;

依据所述第二报刊文章的维度转换中补充的词汇,确定所述第二基础特征标识,所述第二基础特征标识中,与所述x个第二语义向量单元中补充的词汇的语义向量对应的标记为非核心内容。

5.根据权利要求3所述的应用于报刊文章语义挖掘的摘要生成方法,其特征在于,所述依据所述x个第一调整语义向量单元,对所述第一基础特征标识进行调整,生成第一调整特征标识,以及依据所述x个第二调整语义向量单元,对所述第二基础特征标识进行调整,生成第二调整特征标识,包括:对所述x个第一调整语义向量单元进行语义匹配分析,生成所述x个第一调整语义向量单元中各第一调整语义向量单元对应的置信度组合,以及对所述x个第二调整语义向量单元进行语义匹配分析,生成所述x个第二调整语义向量单元中各第二调整语义向量单元对应的置信度组合,所述置信度组合反映属于语义相关内容的置信度和不属于语义相关内容的置信度;

依据所述各第一调整语义向量单元对应的置信度组合,确定所述x个第一调整语义向量单元对应的x个第一语义标识码,以及依据所述各第二调整语义向量单元对应的置信度组合,确定所述x个第二调整语义向量单元对应的x个第二语义标识码,所述第一语义标识码反映第一调整语义向量单元对应的置信度组合中最大置信度所对应的语义内容标签,所述第二语义标识码反映第二调整语义向量单元对应的置信度组合中最大置信度所对应的语义内容标签;

对所述x个第一语义标识码进行逻辑运算处理,生成x个第一置信度,以及对所述x个第二语义标识码进行逻辑运算处理,生成x个第二置信度;

依据所述第一基础特征标识筛选所述x个第一置信度,生成所述第一调整特征标识,以及依据所述第二基础特征标识筛选所述x个第二置信度,生成所述第二调整特征标识。

6.根据权利要求1-2中任意一项所述的应用于报刊文章语义挖掘的摘要生成方法,其特征在于,所述对第一报刊文章进行语义提取,生成第一文章语义空间,以及对第二报刊文章进行语义提取,生成第二文章语义空间,包括:对所述第一报刊文章进行语义提取,生成所述第一文章语义空间和第三文章语义空间,以及对第二报刊文章进行语义提取,生成所述第二文章语义空间和第四文章语义空间,所述第一文章语义空间的维度和所述第三文章语义空间的维度不同,所述第二文章语义空间的维度和所述第四文章语义空间的维度不同;

其中,所述生成所述第一报刊文章和所述第二报刊文章之间的第一语义关联摘要结果之后,所述方法还包括:

依据所述第一语义关联摘要结果、所述第一文章语义空间的维度、所述第三文章语义空间的维度以及所述第三文章语义空间,对所述第三文章语义空间进行语义空间优化,生成所述y个第一语义向量单元对应的y个报刊文章片段,以及依据所述第一语义关联摘要结果、所述第二文章语义空间的维度、所述第四文章语义空间的维度以及所述第四文章语义空间,对所述第四文章语义空间进行语义空间优化,生成所述z个第二语义向量单元对应的z个报刊文章片段;

依据所述y个报刊文章片段和所述z个报刊文章片段对所述y个报刊文章片段进行语义增强,生成y个增强片段,以及依据所述y个报刊文章片段和所述z个报刊文章片段对所述z个报刊文章片段进行语义增强,生成z个增强片段;

对所述y个增强片段的核心语义进行提取,生成y个核心语义,以及依据所述第三文章语义空间和所述第四文章语义空间之间的语义深度误差,对所述z个增强片段进行语义压缩或扩展处理,生成z个调整片段;

对所述z个调整片段进行语义定位处理,生成所述z个调整片段对应的z个定位语义;

对所述y个核心语义和所述z个定位语义进行语义关联分析,生成所述第一报刊文章和所述第二报刊文章之间的第二语义关联摘要结果;

其中,所述对所述z个调整片段进行语义定位处理,生成所述z个调整片段对应的z个定位语义,包括:

获取所述z个调整片段中的第一调整片段中各语义单元的语义重要性系数;

对所述第一调整片段中各语义单元的语义重要性系数和语义内容进行加权融合,生成所述第一调整片段的定位语义。

7.根据权利要求1-2中任意一项所述的应用于报刊文章语义挖掘的摘要生成方法,其特征在于,所述方法还包括:对第一模板报刊文章进行语义提取,生成第一模板文章语义空间,以及对第二模板报刊文章进行语义提取,生成第二模板文章语义空间;

依据深度学习网络,对所述第一模板文章语义空间进行语义匹配分析,生成所述第一模板文章语义空间中各第一语义向量单元的权重系数,以及依据所述深度学习网络,对所述第二模板文章语义空间进行语义匹配分析,生成所述第二模板文章语义空间中各第二语义向量单元的权重系数,所述权重系数反映对模板报刊文章语义关联的影响系数;

依据所述各第一语义向量单元的权重系数,对所述第一模板文章语义空间进行语义空间优化,生成x个第一语义向量单元,以及依据所述各第二语义向量单元的权重系数,对所述第二模板文章语义空间进行语义空间优化,生成x个第二语义向量单元;

依据语义匹配分析网络,对所述x个第一语义向量单元和所述x个第二语义向量单元进行语义匹配分析,生成所述x个第一语义向量单元对应的第一特征标识和所述x个第二语义向量单元对应的第二特征标识,所述第一特征标识用于定位所述x个第一语义向量单元中与所述x个第二语义向量单元具有语义相关性的y个第一语义向量单元,所述第二特征标识用于定位所述x个第二语义向量单元中与所述x个第一语义向量单元具有语义相关性的z个第二语义向量单元;

依据所述各第一语义向量单元的权重系数和所述各第二语义向量单元的权重系数,优化所述深度学习网络,以及依据所述第一特征标识和所述第二特征标识,优化所述语义匹配分析网络。

8.根据权利要求7所述的应用于报刊文章语义挖掘的摘要生成方法,其特征在于,所述依据所述各第一语义向量单元的权重系数和所述各第二语义向量单元的权重系数,优化所述深度学习网络,包括:依据反映第一模板文章语义空间中的第一语义向量单元是否存在主题特征向量的特征标识,和所述第一模板文章语义空间中的第一语义向量单元的权重系数之间的误差,确定第一训练代价;以及依据反映第二模板文章语义空间中的第二语义向量单元是否存在主题特征向量的特征标识,和所述第二模板文章语义空间中的第二语义向量单元的权重系数之间的误差,确定第二训练代价;

依据所述第一训练代价和所述第二训练代价,优化所述深度学习网络;

其中,所述依据所述第一特征标识和所述第二特征标识,优化所述语义匹配分析网络,包括:

依据所述第一特征标识和语义相关特征标识之间的误差,确定第三训练代价,以及依据所述第二特征标识和语义相关特征标识之间的误差,确定第四训练代价;其中,所述语义相关特征标识为反映所述x个第一语义向量单元和所述x个第二语义向量单元的语义相关性部分是否存在主题特征向量的特征标识;

依据所述第三训练代价和所述第四训练代价,优化所述语义匹配分析网络。

9.一种摘要生成系统,其特征在于,所述摘要生成系统包括处理器和存储器,所述存储器和所述处理器连接,所述存储器用于存储程序、指令或代码,所述处理器用于执行所述存储器中的程序、指令或代码,以实现上述权利要求1-8任意一项所述的应用于报刊文章语义挖掘的摘要生成方法。