结合对比学习和双流网络融合知识图谱摘要模型

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：提出了一种融合对比学习与双流网络的新型知识图谱摘要模型（KGDR-CLSUM），旨在解决现有模型在生成摘要时存在的事实性错误和信息提取不足的问题。该模型通过设计双流网络同时处理文本特征和知识图谱特征，并采用对比学习来强化这两类特征的有效融合。此外，引入动量蒸馏策略以降低知识图谱中的数据噪声，从而提升摘要生成的质量和准确性。（剩余26147字）

试读结束

目录
monitor