基于改进 BERTSum-LSTM 模型的 LCSTS 数据集信息抽取研究
计算与语言
2024-06-27 v1 人工智能
摘要
随着人工智能技术的不断发展，自然语言处理技术在各领域得到广泛应用。同时，中文新闻摘要的创建仍面临诸多挑战。首先，中文新闻语义复杂、信息量庞大，从中提取关键信息是一大难题。其次，新闻摘要应简洁明了，突出核心内容，避免冗余。此外，中文语言的特殊性（如多义性、分词等）也给生成中文新闻摘要带来了挑战。基于上述问题，本文研究了基于改进 BERTSum-LSTM 模型的 LCSTS 数据集信息抽取方法。我们改进了 BERTSum-LSTM 模型，使其在生成中文新闻摘要方面性能更佳。实验结果表明，所提方法对创建新闻摘要效果良好，这对新闻摘要的构建具有重要意义。
引用
@article{arxiv.2406.18364,
title = {Research on Information Extraction of LCSTS Dataset Based on an Improved BERTSum-LSTM Model},
author = {Yiming Chen and Haobin Chen and Simin Liu and Yunyun Liu and Fanhao Zhou and Bing Wei},
journal= {arXiv preprint arXiv:2406.18364},
year = {2024}
}
备注
submitted to ICMIII 2024