金融文書的自然語言處理是目前金融科技領(lǐng)域的研究熱點,相關(guān)研究大多數(shù)著眼于傳統(tǒng)的分詞和基于機器學(xué)習(xí)的語義場景分析這種有監(jiān)督的學(xué)習(xí)方法,難以滿足當前金融監(jiān)管行業(yè)快速處理金融文本的需求。針對這一問題,本文構(gòu)建了一個基于多層LSTM的中文金融文書摘要自動生成算法框架,通過Seq2Seq模型,基于注意力機制的強化學(xué)習(xí)框架,發(fā)現(xiàn)最優(yōu)策略,對文本進行編碼、解碼,從LSTM編碼器中抽取文本序列并輸出摘要。實驗結(jié)果表明,多層LSTM結(jié)構(gòu)相比傳統(tǒng)RNN的ROUGE值更高,具有較好的學(xué)習(xí)能力。 

【文章來源】：河南科技. 2019,(32)

【文章頁數(shù)】：3 頁

【文章目錄】：
1 研究背景
2 金融文書摘要自動生成
    2.1 多層LSTM模型
    2.2 集束搜索
3 實驗與仿真
    3.1 金融文書采集與處理
    3.2 實驗參數(shù)設(shè)置
4 結(jié)果與分析
5 結(jié)論


【參考文獻】：
碩士論文
[1]基于深度學(xué)習(xí)的生成式自動摘要技術(shù)研究[D]. 郭洪杰.哈爾濱工業(yè)大學(xué) 2018
[2]基于神經(jīng)網(wǎng)絡(luò)的抽取式摘要系統(tǒng)的研究與實現(xiàn)[D]. 趙懷鵬.哈爾濱工業(yè)大學(xué) 2018
[3]基于LSTM的自動文本摘要技術(shù)研究[D]. 洪冬梅.華南理工大學(xué) 2018
[4]基于語義詞向量的文本分類多文檔自動摘要[D]. 李擎.北京郵電大學(xué) 2018
[5]基于主題的短文本自動摘要抽取研究與應(yīng)用[D]. 陳曉萍.電子科技大學(xué) 2017



本文編號：3410499