翁裕源，许柏炎，蔡瑞初

（广东工业大学计算机学院，广东 广州 510006）

0 引言

近年来，用户对从海量文本数据中挖掘重要信息的需求增大，使得文档摘要技术备受工业界和学术界的关注。文档摘要提取的目标是对给定文档进行重要信息提取，根据输入的不同，文档摘要提取可分为单文档摘要提取、长文档摘要提取和多文档摘要提取。多文档摘要提取需要在多个文档中对共同主题的信息进行提取，对比单文档、长文档摘要提取，其在完整性、可读性和简洁性方面有更高的要求。根据摘要提取建模方式的不同，文档摘要提取可分为生成式摘要提取和抽取式摘要提取。生成式摘要提取是对输入文档整体理解后逐字生成摘要，抽取式摘要提取则直接从文档中选择关键信息组成摘要。相比于生成式摘要提取，抽取式摘要提取选择原文关键语句，具备更高的完整性和可读性，其目标是在减少摘要冗余度的同时提高简洁性［1-3］。本文主要研究如何解决抽取式多文档摘要中的关键冗余问题。

主流抽取式多文档摘要研究大多在句子级别进行建模。文献［4］通过句子间余弦相似度构建句子相似图，以计算句子的重要性，选择句子组成摘要。文献［5］关注句子间的语篇关系和基于TF-IDF（The Term Frequency-Inverse Document Frequency）的相关性，通过构建3 种句子关系图并用图卷积网络学习句子表示以识别重要句子。文献［6］借助共有单词构建句子间关系，最终筛选出重要句子组成摘要。上述工作通过建模句子间的关系来有效选择重要句子，在多文档摘要提取中取得了较好的效果，然而这些工作的建模方式导致了简洁性上的性能瓶颈。……