韩永峰，许旭阳，李弼程，朱武斌，陈 刚

（解放军信息工程大学 信息工程学院，河南 郑州450002）

1 引言

在当今计算机和互联网蓬勃发展的时代，大量的文本信息被快速地传送与分享到全球各地，信息过载（Information Overload）问题也随之产生。如何从大量无序、杂乱、无结构的文本中高效获取有用信息已成为一个亟待解决的问题。在众多的信息处理方法中，多文档自动摘要被视为一项不可或缺的关键技术，它是利用计算机将同一主题下的多个文本描述的主要内容通过信息压缩技术提炼为一个文本的自然语言处理技术［1］，在军事和民用方面都具有极其重要的实用意义。

目前，自动摘要方法主要分为两大类：一是基于统计的机械摘要；二是基于意义的理解摘要。基于统计的机械摘要源于Luhn［2］的思想，主要是利用各种统计信息如位置信息、频率统计等找出最能代表文章主题的句子作为摘要句。这种方法虽然容易实现，但对于包含多个事件的文档集进行摘要时，不仅常常漏掉次重要的事件，而且对文档内容的覆盖度较低，往往形成大量的冗余。

基于意义理解的摘要是从语言学角度理解文档集合，进而生成文档集合的自动摘要结果［3］，它需要对文章进行句法分析和语义分析。此方法生成的摘要质量较高，但需要庞大的专家知识库和完善的语言学规则，且受限于领域，性价比较低。

为了克服这些缺点，近年来一些自动摘要方法基于文本片段（例如，段落、句子或事件等）聚类划分文档主题，并在此基础上生成摘要。……