面向事件的多文檔自動文摘研究.pdf

1、一個主題下可以有多個事件，主題是抽象的，事件是具體的，同主題下的事件具有相似性。本文主要對相同主題下的不同新聞報道進(jìn)行事件識別，對同一事件的文本進(jìn)行聚類，研究面向事件的多文檔文摘的自動生成，以解決多文檔文摘質(zhì)量不高，文摘句覆蓋率低、文摘可讀性差的問題。
　　 本文的研究工作概括如下：
　　 (1)針對面向主題的多文檔文摘可能會造成具有相似性的不同事件識別難的問題，本文重點(diǎn)研究突發(fā)事件主題下的多個事件，將ICTCLAS系統(tǒng)

2、嵌入到GATE（語言工程的軟件架構(gòu)）中，利用GATE工具，實(shí)現(xiàn)事件觸發(fā)詞的識別。
　　 (2)針對目前句子相似度計算方法存在的問題及HNC理論具有語義角度理解詞語和分析句子結(jié)構(gòu)等特點(diǎn)，本文提出了基于HNC的詞語相似度計算和句子相似度計算，在一定程度上提高了相似度的計算精度，為事件聚類和側(cè)面信息聚類打下了基礎(chǔ)。
　　 (3)在HNC計算觸發(fā)詞語的相似度基礎(chǔ)上，提出了事件聚類算法，解決了相似性的不同事件識別難的問題，完成事件

3、識別。針對同一事件的不同文檔，提出了在基于HNC句子相似度計算的基礎(chǔ)上對相似句子進(jìn)行聚類，實(shí)現(xiàn)了側(cè)面信息的識別，抽取出反映側(cè)面信息的候選文摘句，對相同側(cè)面信息的候選文摘句進(jìn)行基于詞對的子主題重要度計算和句子重要度計算，抽取文摘句，提高了多文檔文摘的質(zhì)量，在一定程度上滿足讀者的要求。
　　 (4)設(shè)計并實(shí)現(xiàn)了面向事件的多文檔文摘原型系統(tǒng)。從信息覆蓋度、可讀性和正確性三個方面，結(jié)合人工打分進(jìn)行評測，將實(shí)驗(yàn)結(jié)果與基于tf*idf文摘系