基于概念的多文檔自動摘要研究.pdf

1、多文檔自動摘要是自然語言理解領(lǐng)域的一個重要的研究方向。近年來，隨著計算機和互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展和普及，信息增長的速度比以前各個時期都更快，人們越來越陷入到信息的海洋之中。目前，人們主要是通過搜索引擎獲得自己需要的信息，但搜索引擎返回來的相關(guān)文檔太多，而多數(shù)是重復(fù)和相似的。這樣人們就不能快速且高效地獲取自己所需要的信息。多文檔自動摘要技術(shù)研究的目標正是力求解決這一問題，把多篇同一主題的文檔進行匯總，給人們提供簡潔、信息全面的摘要，將人們從

2、繁瑣、冗余的信息中解脫出來?；诟拍畹亩辔臋n自動摘要的研究借助于語義資源確定文檔中單詞的概念，然后通過概念共現(xiàn)圖抽取文檔集的主題概念，計算句子的重要性，最后抽取文摘句生成摘要。 本文圍繞基于概念共現(xiàn)圖的多文檔自動摘要系統(tǒng)，針對其關(guān)鍵技術(shù)展開了研究，主要研究內(nèi)容和特色如下： (1)為了引出概念共現(xiàn)圖方法，本文首先研究了詞共現(xiàn)圖方法，并通過引入潛在語義分析的方法減小詞對之間的相關(guān)性，引入衰減因子來提高詞共現(xiàn)度的準確性等對它進

3、行了改進。 (2)對概念提取方法進行了研究。借助語義資源WordNet的支持，提出了一科，概念歸并算法和概念權(quán)重計算模型來確定文檔中單詞在上下文中的概念。 (3)本文以概念代替詞形，用概念統(tǒng)計代替?zhèn)鹘y(tǒng)的詞形頻率統(tǒng)計，建立概念向量空間模型。以減小傳統(tǒng)的標引詞向量之間存在的”斜交”情形對文摘效果的影響。 (4)深入研究了主題劃分技術(shù)，并提出了一種基于概念共現(xiàn)圖模型的主題劃分方法，使得產(chǎn)生的子主題信息覆蓋率大，又盡可能