1.一种改进中文自动文本摘要自注意力计算的方法，其特征在于，包括以下步骤：
步骤1、收集微博文章摘要数据集，并对微博文本摘要数据进行清洗；
步骤2、构建attention计算矩阵；
步骤3、fine-tuning新的attention-based网络，直至模型收敛；
步骤4、对步骤3构建的模型进行训练相同数据集，分别使用原有attention和改进后的空洞随机窗口attention进行训练；
步骤5、使用步骤4的训练结果，选择在测试集上rouge评分最优作为结果并计算。
2.根据权利要求1所述的一种改进中文自动文本摘要自注意力计算的方法，其特征在于，步骤1采取以下步骤：
步骤1.1、将微博文章摘要划分为训练集和测试集；
步骤1.2、在训练集上，对文本数据首先去除空格以及特殊字符，并根据频率去除低频词或字，然后构建出所需要的字典，字典的key为词，value为每个词的对应的id；
步骤1.3、使用词嵌入向量对数据进行编码；
步骤1.4、根据transformer模型规则添加positionid。
3.根据权利要求1所述的一种改进中文自动文本摘要自注意力计算的方法，其特征在于，步骤2具体包括以下步骤：
步骤2.1、使用在transformer定义的attention矩阵的基础上建立attention计算矩阵；
步骤2.2、借助空洞卷积的思想对于每个“token”定义空洞率为2的空洞卷积局部attention矩阵
步骤2.3、对每个“token”给予随机2-3个attention计算块，得到随机attention矩阵；
步骤2.4、将每个“token”的空洞卷积attention矩阵和随机attention矩阵相结合得到空洞窗口随机矩阵。
4.根据权利要求1所述的一种改进中文自动文本摘要自注意力计算的方法，其特征在于，步骤3具体包括以下步骤：
步骤3.1、选择损失函数为交叉熵损失函数：
步骤3.2、加载预训练模型，训练新的attention-based网络；
步骤3.3、设置预训练模型后接的全连接网络节点个数为1024；
步骤3.4、dropout值设置为0.8；
步骤3.5、观察loss和accuracy，当loss与accuracy收敛时停止迭代。
5.根据权利要求1所述的一种改进中文自动文本摘要自注意力计算的方法，其特征在于，步骤4具体包括以下步骤：
步骤4.1、对于每一个input做embedding，得到n个embedding矩阵后分别计算attention；
步骤4.2、使用相同的embedding，换成空洞随机窗口attention计算矩阵计算attention。
6.根据权利要求1所述的一种改进中文自动文本摘要自注意力计算的方法，其特征在于，步骤5具体包括以下步骤：
步骤5.1、使用rouge-n评分作为两种attention计算矩阵得到的最终结果的优劣；
步骤5.2、对比两种attention矩阵模型训练结果的rouge-n评分，得到最终结论。