1. 本选题研究的目的及意义
随着互联网和信息技术的飞速发展，文本信息呈现爆炸式增长，如何从海量文本数据中快速获取关键信息成为亟待解决的问题。
自动文摘技术应运而生，旨在利用计算机自动地从原始文本中提取出简洁、准确的摘要，为人们提供了一种高效的信息获取途径，具有重要的理论意义和现实应用价值。
2. 本选题国内外研究状况综述
自动文摘技术自上世纪50年代诞生以来，经历了从基于规则到基于统计，再到基于深度学习的演变历程。
早期的研究主要集中在英文文本摘要，近年来随着中文信息处理技术的快速发展，中文文本自动摘要也取得了显著进展。
1. 国内研究现状
3. 本选题研究的主要内容及写作提纲
本研究的主要内容包括以下几个方面：1.深入研究深度学习技术，特别是循环神经网络、编码器-解码器模型、注意力机制等，以及它们在自然语言处理中的应用，为中文文本自动摘要模型的构建奠定理论基础。
2.收集和整理中文文本数据，并对数据进行预处理，包括分词、去除停用词、构建词向量等，为模型训练提供高质量的数据基础。
3.设计和实现基于深度学习的中文文本自动摘要模型，并对模型进行训练和优化，以提升模型的性能。
4. 研究的方法与步骤
本研究将采用以下方法和步骤：
1.文献调研：查阅国内外关于自动文摘、深度学习、自然语言处理等领域的文献资料，了解相关技术的发展现状、研究热点和难点，为本研究提供理论基础。
2.数据收集与预处理：收集和整理中文文本数据，包括新闻、科技文献、评论等，并对数据进行预处理，例如分词、去除停用词、构建词向量等，为模型训练提供高质量的数据基础。
3.模型构建与训练：选择合适的深度学习模型，例如循环神经网络、编码器-解码器模型等，并根据中文文本的特点对模型进行改进和优化，例如引入注意力机制、融合外部知识等，以提升模型对中文文本的理解和摘要生成能力。
5. 研究的创新点
本研究的创新点在于：
1.提出一种改进的深度学习模型，针对中文文本的特点进行优化，例如引入注意力机制、融合外部知识等，以提升模型对中文文本的理解和摘要生成能力。
2.构建高质量的中文文本摘要数据集，为中文文本自动摘要技术的研究提供数据基础。
3.对比分析不同深度学习模型在中文文本自动摘要生成上的性能差异，为模型选择和改进提供参考。
6. 计划与进度安排
第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。
第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲
第三阶段（2024.2~2024.3）查询资料，学习相关论文
7. 参考文献（20个中文5个英文）
1.刘挺,秦兵,车万翔,等.自然语言处理：发展趋势与机遇[J].中国科学:信息科学,2021,51(6):949-968.
2.王永亮,车万翔,刘挺.面向深度学习的自然语言处理[J].计算机科学,2018,45(6):1-7.
3.李航.人工智能的未来[J].中国计算机学会通讯,2016,12(1):16-23.
