新闻网讯 近日，信息工程学院本科生曹康杰以第一作者在《Expert Systems With Applications》期刊上发表题目为“DMSeqNet-mBART: A state-of-the-art Adaptive-DropMessage enhanced mBART architecture for superior Chinese short news text summarization”的研究成果（论文链接：https://doi.org/10.1016/j.eswa.2024.125095）。论文通讯作者程卫军副教授给予了全程指导，同时也受到了阿里巴巴Hummingbird Audio 实验室郝一亚博士后的指导，论文合作者还包括本科生甘一超等4位同学，并做出了相应的贡献。《Expert Systems With Applications》是人工智能、运筹学等领域国际顶级期刊，在全球具有较强的学术影响力。
本研究针对中文互联网短新闻文本数量与日俱增，如何快速、准确地生成这些文本的精炼摘要所带来的挑战，综合应用自适应消息丢弃技术（Adaptive-DropMessage）、动态卷积层、门控残差连接、自定义前馈网络及增强的自注意力和交叉注意力机制等，首次提出了针对中文短新闻文本摘要的一种基于mBART框架的创新模型——DMSeqNet-mBART，如下图所示。实验效果表明该模型显著提升了摘要的流畅性、完整性和准确性，并在多个权威数据集上超越了当前的业界领先模型，如T5、MLC、PLCC和GPT-4。尤其在BERTScore、BLEU和ROUGE等关键指标上，DMSeqNet-mBART的表现尤为突出。
该研究成果不仅为中文短新闻文本摘要提供了一个高效、精准的解决方案，也为未来在其他语言和领域的文本摘要应用奠定了坚实的基础。DMSeqNet-mBART模型在新闻聚合、企业会议记录总结、AI个人助手及教育工具等多个实际场景中具有广泛的应用前景。未来，本合作团队计划继续优化该模型的架构，并探索其在多语言、多领域文本处理中的应用潜力。
该研究成果得到了国家自然科学基金（52374169）的资助，充分体现了信息工程学院在科学研究和技术创新方面的实力和贡献。
