基于深度学习技术的文本总结

Question

我试图总结属于合法领域的文本文档.

我指的是关于如何实现深度学习架构的站点deeplearning.net。我读过很多关于文件摘要的研究论文(包括单一文档和多文档)，但我无法理解如何为每个文档准确地生成摘要。

一旦完成了培训，网络就会在测试阶段稳定下来。因此，即使我知道在培训阶段学习到的一组特征(我已经计算出来了)，也很难在测试阶段找出每个特征的重要性(因为网络的权重向量是稳定的)，在测试阶段，我将试图为每个文档生成摘要。

我尝试了很长一段时间，但都是徒劳的。

如果有人做过这方面的工作，或者对此有任何想法，请给我一些建议。我真的很感激你的帮助。谢谢。

Answer 1

我觉得你应该说得更具体一点。当你说“我无法计算每个文档的摘要是如何生成的”时，你是说你不知道如何解释所学的特征，还是你不懂算法？此外，“深度学习技术”涵盖了非常广泛的模型--你到底在尝试使用哪一种？

在一般情况下，深度学习模型不学习人类可集成的特性(当然，您可以尝试寻找给定输入与模型中相应的活动之间的相关性)。所以，如果这就是你要问的，那就没有好的答案了。如果你很难理解你使用的模型，我也许可以帮你:-)让我知道。

Answer 2

这是一个非常详细的博客系列，从文本摘要的工作开始，最近的研究使用了基于seq2seq的深入学习模型，这个博客系列从解释这个体系结构开始，直到达到最新的研究方法。

此外，这个存储库收集多个构建文本摘要模型的实现，它在google上运行这些模型，并在google上托管数据，所以无论您的计算机有多强大，您都可以使用google这个免费的系统来训练您的深层模型。

如果您希望看到实际操作中的文本摘要，可以使用此自由api。

我真希望这能帮上忙