基于主題的多文檔自動(dòng)文摘技術(shù)研究與實(shí)現(xiàn).pdf

1、文摘準(zhǔn)確全面地反映某一文檔或多文檔的中心內(nèi)容。在當(dāng)今信息爆炸的背景下，各種信息的增長(zhǎng)速度遠(yuǎn)大于手工文摘的處理速度。因此，人們需要一種快速瀏覽信息的工具，該工具直接提供各種文檔中的重要而全面的信息，并以簡(jiǎn)潔的形式提交給用戶(hù)。 本文研究多文檔抽取式自動(dòng)文摘方法，將主題信息融入到文檔的特征模型中，根據(jù)文檔信息的特點(diǎn)，以句子為單元抽取文摘句。在計(jì)算句子重要度時(shí)用到TF*IDF特征、句子位置特征、句子與主題相似度特征以及句子長(zhǎng)度特征這四個(gè)

2、特征。本文將主題信息與文檔信息相結(jié)合，并對(duì)兩者指定不同的比率使評(píng)測(cè)結(jié)果更好；此外，本文對(duì)每個(gè)特征也指定不同的特征權(quán)重，從而找到主題信息與文檔特征之間的關(guān)系，使評(píng)測(cè)結(jié)果最優(yōu)。證明了特殊位置上的句子包含的信息在一定程度上與主題有著較緊密的聯(lián)系，并且該句子一般不會(huì)太長(zhǎng)或太短，這表明位置特征和與主題相似度以及長(zhǎng)度特征存在一定的重合關(guān)系，這說(shuō)明并不是所有文檔特征組合在一起就能起到很好的效果，而是需要判斷各特征與主題間相互關(guān)系選擇適當(dāng)?shù)奶卣?，這樣自