應用事件擷取於故事理解之研究;Story Retelling and Summarization via Story Event Extraction

NCU Institutional Repository > 資訊電機學院 > 資訊工程研究所 > 博碩士論文 > Item 987654321/90036

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/90036

题名:	應用事件擷取於故事理解之研究;Story Retelling and Summarization via Story Event Extraction
作者:	黃覺修;Hunag, Jue-Xiu
贡献者:	資訊工程學系
关键词:	機器自動摘要;事件擷取;遷移式學習;Abstractive Summarization;Event Extraction;Transfer Learning
日期:	2022-09-22
上传时间:	2022-10-04 12:08:47 (UTC+8)
出版者:	國立中央大學
摘要:	摘要作為人們快速了解資訊的手段，一直以來都是自然語言處理研究的主要方向之一。現今的摘要模型主要都是依靠深度學習模型，讓模型自己決定文章的重點以及摘要生成的內容，因此人為可控制的因素較小。而本論文認為在某些摘要的應用場景中，摘要的重點不應該只依靠模型本身決定，而需要一些其他的資訊來輔助模型產生更貼近文章重點的摘要。最終，我們在現有摘要模型的輸入上做一些改動，使其能夠產生相對應內容的摘要。除此之外，我們也針對資訊擷取模型進行遷移式學習，使其能更適合應用於我們的使用場景。;Abstract is the main method that help people quickly understand the information of the article, and it is also a main research topic of Natural Language Processing. Modern abstractive summarization model mainly relies on deep learning methods, and need model itself to determine the key point of the article and the content of the abstract, there few human control factors in it. In this paper, we believe that in some scenarios of summarization, the content of the abstract should not only rely on model itself, we need to give more additional information to help model generate topic related abstract. Finally, we modify the input of the model to allow it generate the abstract with corresponding content. Additionally, we apply transfer learning on existing information extraction model to help it more suitable in our scenario.
显示于类别:	[資訊工程研究所] 博碩士論文

文件中的档案:

档案	描述	大小	格式	浏览次数
index.html		0Kb	HTML	97	检视/开启

在NCUIR中所有的数据项都受到原著作权保护.

社群 sharing

数据加载中.....