(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210147945.0 (22)申请日 2022.02.17 (71)申请人 新智道枢 （上海） 科技有限公司 地址 201702 上海市青浦区高光路215弄9 9 号1幢楼五层5 01室 (72)发明人 王明光　邱世界　钟浩　 (74)专利代理 机构 上海锻创知识产权代理有限 公司 314 48 专利代理师 韩冰 (51)Int.Cl. G06F 16/34(2019.01) G06F 40/295(2020.01) G06F 40/30(2020.01) G06N 3/04(2006.01) (54)发明名称 单文档抽取式文本摘要识别方法及系统 (57)摘要 本发明提供一种单文档抽取式文本摘要识 别方法及系统， 包括： 数据预处理步骤： 获取一段 文档， 拆分成多句话， 组成文档集合D＝[S1, S2,....Sn ]， 其中S1， S2， ...， Sn表示文档中的每 个句子； Ernie编码步骤： 对获得文档集合D＝ [S1,S2,....Sn]分别进行Ernie处理， 得到V＝ [V1,V2,....Vn]， 其中， V1， V2， ...， Vn表示经过 Ernie编码后的每个句子向量； 相似度计算步骤： 计算V中两两的相似度， 组合成以V为顶点， 以相 似度值为边的图结构； TextRank步骤： 生成图结 构后， 进入TextRank层， 计算句子评分， 选 取得分 高的一个或多个句子生成摘要。 本发 明能够更好 的捕获中文语义特 征， 做更好的表征 学习。 权利要求书2页 说明书7页 附图1页 CN 114840661 A 2022.08.02 CN 114840661 A 1.一种单文档抽取式文本摘要识别方法， 其特 征在于， 包括： 数据预处理步骤： 获取一段文档， 拆分成多句话， 组成文档集合D＝[S1,S2,....Sn]， 其 中S1， S2， . ..， Sn表示文档中的每 个句子； Ernie编码步骤： 对获得文档集合D＝[S1,S2,....Sn]分别进行Ernie处理， 得到V＝ [V1,V2,....Vn]， 其中， V1， V 2， ...， Vn表示经 过Ernie编码后的每 个句子向量； 相似度计算步骤： 计算V中两两的相似度， 组合成以V为顶点， 以相似度值为边的图结 构； TextRank步骤： 生成图结构后， 进入TextRank层， 计算句子评分， 选取得分高的一个或 多个句子生成摘要。 2.根据权利要求1所述的单文档抽取式文本摘要识别方法， 其特征在于， 所述数据 预处 理步骤负责清洗准备 数据， 对每 个文档， 拆分数据， 去除停用词及过 滤词在内的相关词。 3.根据权利要求1所述的单文档抽取式文本摘要识别方法， 其特征在于， 所述Ernie编 码步骤中采用Er nie来进行语言语句编码， Er nie模型通过建模海量数据中的实体概念在内 的相关先验语义知识， 学习真实世界的语义关系； 且Ernie模型本身保持基于 字特征输入建模， 使得模型在应用时不需要依赖其 他信息。 4.根据权利要求1所述的单文档抽取式文本摘要识别方法， 其特征在于， 所述相似度计 算步骤包括： 使用cosine余弦函数计算两两的相 似度， 最终构造以V为顶点， 以相似度值为 边的graph图结构。 5.根据权利 要求1所述的单文档抽取式文本摘 要识别方法， 其特征在于， 所述Text Rank 步骤具体包括： 计算句子 评分， 选取 得分高的若干句子生成摘要： 其中， d为基尼系数， Vi为其 中第i个节点， P(Vi)为第i个节点的权重， 代表该i个句子的 重要性； Vj为其中第j个节点， P(Vj)为第j个节点的权重， 代表该j个句子的重要性； Vk表示 Vj出度集合的其中一个节点； Wjk表示Vj和Vk之间的相似度； Wij为Vi和Vj的计算相似度， In (Vi)为其中Vi的入度集 合， Out(Vj)为Vj的出度集 合。 6.一种单文档抽取式文本摘要识别系统， 其特 征在于， 包括： 数据预处理模块： 获取一段文档， 拆分成多句话， 组成文档集合D＝[S1,S2,....Sn]， 其 中S1， S2， . ..， Sn表示文档中的每 个句子； Ernie编码模块： 对获得文档集合D＝[S1,S2,....Sn]分别进行Ernie处理， 得到V＝ [V1,V2,....Vn]， 其中， V1， V 2， ...， Vn表示经 过Ernie编码后的每 个句子向量； 相似度计算模块： 计算V中两两的相似度， 组合成以V为顶点， 以相似度值为边的图结 构； TextRank模块： 生成图结构后， 进入TextRank层， 计算句子评分， 选取得分高的一个或 多个句子生成摘要。 7.根据权利要求6所述的单文档抽取式文本摘要识别系统， 其特征在于， 所述数据 预处 理模块负责清洗准备 数据， 对每 个文档， 拆分数据， 去除停用词及过 滤词在内的相关词。 8.根据权利要求6所述的单文档抽取式文本摘要识别系统， 其特征在于， 所述Ernie编权　利　要　求　书 1/2 页 2 CN 114840661 A 2码模块中采用Er nie来进行语言语句编码， Er nie模型通过建模海量数据中的实体概念在内 的相关先验语义知识， 学习真实世界的语义关系； 且Ernie模型本身保持基于 字特征输入建模， 使得模型在应用时不需要依赖其 他信息。 9.根据权利要求6所述的单文档抽取式文本摘要识别系统， 其特征在于， 所述相似度计 算模块包括： 使用cosine余弦函数计算两两的相 似度， 最终构造以V为顶点， 以相似度值为 边的graph图结构。 10.根据权利要求6所述的单文档抽取式文本摘要识别系统， 其特征在于， 所述 TextRank步骤具体包括： 计算句子 评分， 选取 得分高的若干句子生成摘要： 其中， d为基尼系数， Vi为其 中第i个节点， P(Vi)为第i个节点的权重， 代表该i个句子的 重要性； Vj为其中第j个节点， P(Vj)为第j个节点的权重， 代表该j个句子的重要性； Vk表示 Vj出度集合的其中一个节点； Wjk表示Vj和Vk之间的相似度； Wij为Vi和Vj的计算相似度， In (Vi)为其中Vi的入度集 合， Out(Vj)为Vj的出度集 合。权　利　要　求　书 2/2 页 3 CN 114840661 A 3