基于改进Transformer模型的文本摘要生成方法

传统的文本摘要方法，如基于循环神经网络和Encoder-Decoder框架构建的摘要生成模型等，在生成文本摘要时存在并行能力不足或长期依赖的性能缺陷，以及文本摘要生成的准确率和流畅度的问题。对此，提出了一种动态词嵌入摘要生成方法。该方法基于改进的Transformer模型，在文本预处理阶段引入先验知识，将ELMo(Embeddings from Language Models)动态词向量作为训练文本的词表征，结合此词对应当句的文本句向量拼接生成输入文本矩阵，将文本矩阵输入到Encoder生成固定长度的文本向量表达，然后通过Decoder将此向量表达解码生成目标文本摘要。实验采用Rouge值作为摘要的评测指标，与其他方法进行的对比实验结果表明，所提方法所生成的文本摘要的准确率和流畅度更高。     

一种基于可重用模型组件的战场目标信源建模方法

战场情报仿真缺乏典型通用目标信源建模方法，难以为后续仿真流程中新概念、新算法的演示验证提供各种规范、完备的战场目标信源建模支撑。为了构建灵活通用、要素完备的典型战场目标信源，提出了基于对象的模版化、组件化的信源建模方法。从目标静态数据模型、目标动态行为模型两个方面进行数字化建模抽象，以模型驱动仿真数据生成，实现战场情报仿真环境下各种异构信源的体系化建模。试验证明该建模方法具有良好实用性，所建立的目标信源仿真模型可灵活组装、自由编配，为情报和作战领域的信源仿真提供了一种灵活、通用的目标建模方法。