基于训练集的自动文摘方法的研究
2011-12-27程传鹏
中原工学院学报 2011年1期
关键词:方法
程传鹏
(中原工学院,郑州 450007)
基于训练集的自动文摘方法的研究
程传鹏
(中原工学院,郑州 450007)
提出了一种基于训练集的自动文摘方法.依据训练集所产生的主题词,设计出一种新的段落加权公式和一种新的句子重要性加权公式,将生成的主题句消除冗余后得到文摘.测试结果表明,该方法具有一定的实用性.
训练集;主题词;主题句;自动文摘
自动文摘就是利用计算机从文档中提取尽可能少的句子,要求这些句子语意连贯,并且能够最大限度地体现原文档所要表达的中心思想.随着Internet的迅猛发展以及无纸化办公的普及,各种格式的电子文件大量涌现.从这些电子文档中迅速、准确地进行自动文摘,已经成为一项重要的研究课题.目前,自动文摘的方法大体上可以分为2类:基于统计的机械文摘方法和基于理解的文摘方法[1].前者主要是简单的对词频(词条在全文中所出现的次数)进行统计,依照词频来确定主题词,主题句的产生也只是依赖所包含主题词的数量的多少.它的优点是实现简单,文摘效率较高,但得到的文摘往往不能很好地体现原始文档的中心思想.后者则是利用人工智能技术,特别是自然语言理解技术为核心,在对文本进行语法结构分析的同时,利用领域知识对文本的语义进行分析,通过判断推理,得出文摘句的语义描述,根据语义描述自动生成摘要.这种方法虽然一定程度上弥补了机械文摘的不足,提……
登录APP查看全文
