声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2223/N
国际刊号：1000-0054
发布日期:
作者：曾道建, 童国维, 戴愿, 李峰, 韩冰, 谢松县
单位：1. 长沙理工大学 计算机与通信工程学院, 长沙 410114;<br>2. 长沙理工大学 综合交通运输大数据智能处理湖南省重点实验室, 长沙 410114;<br>3. 湖南数定智能科技有限公司, 长沙 410013
关键词：关键词抽取,序列到序列模型,强化学习
基金：国家自然科学基金青年基金项目（61602059）；湖南省自然科学基金青年基金项目（2017JJ3334）；湖南教育厅科学研究项目（16C0045）；模式识别国家重点实验室开放课题基金（20170007）
传统的关键词抽取算法不能够抽取那些没有在文本当中出现过的关键词，因此在抽取法律问题（短文本）的关键词任务上效果不佳。该文提出了一种基于强化学习的序列到序列（seq2seq）模型来从法律问题中抽取关键词。首先，编码器将给定法律问题文本的语义信息压入一个密集矢量；然后，解码器自动生成关键词。因为在关键词抽取任务中，生成的关键词的前后顺序无关紧要，所以引入强化学习来训练所提出的模型。该模型结合了强化学习在决策上的优势和序列到序列模型在长期记忆方面的优势，在真实数据集上的实验结果表明，该模型在关键词抽取任务上有较好的效果。
来源：2019年第4期
《清华大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。