融合知识和语义信息的双编码器自动摘要模型

来源：计算机工程与应用杂志2025年第7期北京时间：

作者：贾莉, 马廷淮, 桑晨扬, 潘倩

单位：1.南京信息工程大学 计算机学院、网络空间安全学院，南京 210044；2.江苏海洋大学 计算机工程学院，江苏 连云港 222005

摘要：为了解决自动文本摘要任务存在的文本语义信息不能充分编码、生成的摘要语义冗余、原始语义信息丢失等语义问题，提出了一种融合知识和文本语义信息的双编码器自动摘要模型（dual-encoder automatic summarization model incorporating knowledge and semantic information，KSDASum）。该方法采用双编码器对原文语义信息进行充分编码，文本编码器获取全文的语义信息，图结构编码器维护全文上下文结构信息。解码器部分采用基于Transformer结构和指针网络，更好地捕捉文本和结构信息进行交互，并利用指针网络的优势提高生成摘要的准确性。同时，训练过程中采用强化学习中自我批判的策略梯度优化模型能力。该方法在CNN/Daily Mail和XSum公开数据集上与GSUM生成式摘要方法相比，在评价指标上均获得最优的结果，证明了所提模型能够有效地利用知识和语义信息，提升了生成文本摘要的能力。

关键词：知识图谱编码器,图注意力机制,指针网络,增强训练,自动摘要