基于本體的BLOG文檔自動摘要關(guān)鍵技術(shù)研究與實現(xiàn).pdf

1、隨著Web 2.0的發(fā)展,眾多基于Web 2.0的應(yīng)用應(yīng)運而生,BLOG(博客)就是主要代表之一。隨著BLOG數(shù)據(jù)的急劇增加,用戶如何才能快速有效地獲取和利用這些資源,已經(jīng)成為迫切需要解決的一個問題,而自動摘要是目前解決這一難題的關(guān)鍵技術(shù)。作者研究了BLOG文檔自動摘要技術(shù),在借鑒現(xiàn)有文檔自動摘要技術(shù)和本體技術(shù)的基礎(chǔ)上,提出了基于本體的BLOG文檔自動摘要解決方案。本文的關(guān)鍵研究內(nèi)容概括如下:利用Agent的自治能力和合作能力,本文將本

2、體技術(shù)和文檔自動摘要技術(shù)結(jié)合起來,提出了基于本體的BLOG文檔自動摘要系統(tǒng)架構(gòu)O-BSSA,用于指導(dǎo)BLOG文檔自動摘要的生成。該架構(gòu)采用Multi-Agent結(jié)構(gòu),實現(xiàn)了BLOG文檔的采集、預(yù)處理、建模、主題結(jié)構(gòu)分析、自動摘要等功能,具有高并行性、高可靠性和高可擴展性。在系統(tǒng)架構(gòu)O-BSSA的指導(dǎo)下,本文對BLOG文檔自動摘要的核心技術(shù),包括BLOG文檔建模技術(shù)、主題結(jié)構(gòu)分析技術(shù)以及自動摘要技術(shù),進行了深入的研究。
　　在BLO

3、G文檔建模階段,本文提出了基于BLOG特征的關(guān)鍵詞權(quán)重計算方法。該方法以傳統(tǒng)的關(guān)鍵詞權(quán)重計算方法TF*IDF為基礎(chǔ),綜合考慮了BLOG文檔的結(jié)構(gòu)特征、標簽特征和評論特征,使得該關(guān)鍵詞權(quán)重計算方法更適用于BLOG文檔這種新的信息發(fā)布模式。在此基礎(chǔ)上,本文采用應(yīng)用廣泛的向量空間模型(VSM)表示BLOG文檔的空間信息,采用潛語義分析方法提取BLOG文檔特征項,實現(xiàn)了BLOG文檔建模。在BLOG文檔主題結(jié)構(gòu)分析階段,本文利用BLOG本體定義的

4、同義詞和概念的上下位關(guān)系進行語義歸結(jié),構(gòu)建主題段落的概念層次樹,以概念統(tǒng)計代替關(guān)鍵詞統(tǒng)計進行主題概念的提取,分析BLOG文檔的主題結(jié)構(gòu)。該方法借鑒了傳統(tǒng)的基于相似度的結(jié)構(gòu)分析方法,又充分利用了本體的概念語義描述能力。在BLOG文檔摘要生成階段,本文通過加權(quán)的方法來體現(xiàn)句子中包含的特征項的重要性、句子所在段落的重要性和段落所在主題的重要性等因素對句子權(quán)重的影響,計算句子的重要性。在摘要句選擇時,本文根據(jù)句子的權(quán)重,按照摘要壓縮比選擇各個主