文献类型：期刊文献

中文题名：结合注意力机制的新闻标题生成模型

英文题名：A News Headline Generation Model Based on Attention Mechanism

作者：李慧[1];陈红倩[2];马丽仪[1];祁梅[1]

第一作者：李慧

机构：[1]北京联合大学管理学院;[2]北京工商大学计算机与信息工程学院

第一机构：北京联合大学管理学院

年份：2017

卷号：40

期号：4

起止页码：670-675

中文期刊名：山西大学学报：自然科学版

收录：CSTPCD;;北大核心:【北大核心2014】；CSCD:【CSCD_E2017_2018】；

基金：北京市自然科学基金(9164028);教育部人文社科资助项目(15YJCZH114)

语种：中文

中文关键词：新闻标题生成;注意力机制;LSTM;Gigaword数据集

外文关键词：news headline generation ; attention mechanism ; LSTM ; Gigaword data set

摘要：针对新闻标题生成过程中的连贯性、一致性不佳的难题,提出了一种新闻标题生成模型,结合LSTM(Long Short-Term Memory)和注意力机制从新闻文章的文本中产生标题。模型编码部分,使用了BiRNN(bidirectional RNN)模型,解码部分使用了注意力机制。文章选用Gigaword数据集进行模型训练,实验表明提出的方法比基于RNN的模型在新闻文章标题生成问题上更为简明扼要。
To improve the coherence and consistency of the automatically generated news headlines, the paper proposes a news headline generation model. The generation model produces the headlines from news articles by combining LSTM and the mechanism of attention. The BiRNN（bidirectional RNN）model is used in the encoding part of the model, and the attention mechanism is selected in the decoding section. The Gigaword data set is used to train the model. The experimental results demonstrate that the proposed method can achieve more concise and to the point than the classical RNN model in the news title generation.