中文文檔自動摘要技術(shù).pdf

1、現(xiàn)代社會是一個信息社會，隨著計算機的普及以及互聯(lián)網(wǎng)的迅猛發(fā)展，每天都有大量信息以電子文檔的形式出現(xiàn)在人們面前。如何在海量信息中搜尋所需要的信息、獲取信息的主旨，如何快速閱讀每天涌現(xiàn)出來的新信息，已經(jīng)是一個迫在眉睫的問題。實際上，人們根本無法通過閱讀所有的電子資料來獲得他們需要的信息，迫切需要信息壓縮精選工具來對大量信息進行提煉、濃縮，而自動摘要技術(shù)正是解決這一難題的有力工具之一。 自動摘要是自然語言處理領域的一項重要的研究內(nèi)容

2、，其研究目的是探索人類從自然評議篇章中獲取信息，提煉信息的思維機制，并在此基礎上開發(fā)出能夠自動編寫文檔摘要的軟件，從而提高信息檢索、傳播的效率。自動摘要具有以下特點：(1)自動文摘應能將原文的主題思想或中心內(nèi)容自動提取出來。(2)文摘應具有概況性、客觀性、可理解性和可讀性。(3)可適用于任意領域。因此自動摘要技術(shù)和信息提取技術(shù)還有一定方面的區(qū)別，它沒有預先規(guī)定目標的特性，需要對多種多樣的內(nèi)容進行分析和處理。 所謂自動摘要就是

3、利用計算機自動地從原始文獻中提取文摘，文摘是可以準確全面地反映某一文獻中心內(nèi)容的簡潔連貫的短文?，F(xiàn)有的自動摘要方法概括為自動摘錄、基于理解的自動文摘、信息抽取和基于結(jié)構(gòu)的自動文摘等四種主要的自動摘要方法。 本文設計的中文自動摘要系統(tǒng)采用自動摘錄原文中旬子生或摘錄性摘要的方法，它將文本視為句子的線性序列，將句子視為詞的線性序列。然后通過計算句子的權(quán)值，對原文中的所有句子按權(quán)值高低降序排列，權(quán)值最高的若干句子被確定為文摘句，然后將

4、所有文摘句按照它們在原文中的出現(xiàn)順序輸出。系統(tǒng)基于NET框架開發(fā)實現(xiàn)，使用了SQL Server 2000數(shù)據(jù)庫。該系統(tǒng)直接利用計算機進行文章摘要的自動生成，要實現(xiàn)的功能就是給定一個文檔后，經(jīng)過統(tǒng)計分析，給出文檔的摘要句并依照原文順序依次輸出。系統(tǒng)力求摘要句抓住原文的核心內(nèi)容，語句連貫，不遺漏主題。 系統(tǒng)主要分為文本預處理、分詞、統(tǒng)計分析、提取摘要、輸出摘要五個功能模塊，其中用到了分詞、權(quán)值計算等方面的相關(guān)算法?？紤]到實際使用