基于概念對象模型的文本摘要技術(shù)研究.pdf

1、隨著“互聯(lián)網(wǎng)+”概念的提出，互聯(lián)網(wǎng)的應用在我國越來越廣泛，人們對知識的渴望越來越強烈。但是目前海量的信息充斥在網(wǎng)絡各個角落，導致人們對有效信息的獲取越來越困難，其中如何快速準確的從海量信息中獲取到有用的信息仍然是當前急需解決的問題。不少學者通過對文本進行壓縮從中抽取出有用信息來解決該問題，這種對文本的壓縮技術(shù)也稱為文本摘要技術(shù)。
　　本文深入分析國內(nèi)外文本摘要技術(shù)的現(xiàn)狀，充分考慮語義因素對摘要的影響，提出了基于概念對象模型的摘要生

2、成技術(shù)，本文主要研究內(nèi)容如下：
　?。?）本文首先對文檔中的多義詞進行詞義消歧，然后對同義詞歸并生成同義詞詞組，從而生成一系列同義詞詞組并從中抽取若干概念描述該詞組，然后利用概念構(gòu)建文檔內(nèi)句子的向量空間模型。
　　（2）本文使用改進的k-means算法對基于概念的語句進行聚類，按照語句之間的相似度高低劃分為若干分組，每一分組內(nèi)的句子都具有比較高的相似度，不同分組之間的相似度較低，最后利用聚類結(jié)果構(gòu)建概念對象模型。
　　

3、（3）本文構(gòu)建以基于概念的句子為節(jié)點的圖模型和以概念對象為節(jié)點的圖模型，其中，在構(gòu)建圖模型邊的過程中,考慮了句式特征和語義相同的語句對邊的影響，在計算句子權(quán)重過程中，利用概念對象模型的權(quán)重以及句子位置的重要性來對句子得分進行修正以此生成摘要。
　　本文的創(chuàng)新點主要有以下兩個方面：
　?。?）本文首先選擇權(quán)重比較大的語句來初始化 K-mea ns算法的質(zhì)心，利用該算法對文檔中的語句進行聚類；然后借助面向?qū)ο蟮乃枷胩岢隽烁拍顚ο?/p>

4、模型，將這些聚類結(jié)果看成若干個概念對象，對象內(nèi)都是語義相似度高的句子，不同概念對象間語義相似程度較低，最后抽取聚類內(nèi)句子的屬性和行為構(gòu)建概念對象模型。
　?。?）針對以句子為節(jié)點的圖模型的不足之處，本文考慮句式特征和句子語義等因素，分別使用基于概念的句子和概念對象模型作為節(jié)點構(gòu)建圖模型，然后利用構(gòu)造出的圖模型進行文本摘要的處理，從而提高了生成的摘要質(zhì)量。
　　最后在哈工大多文檔語料庫的基礎上進行擴展并創(chuàng)建新的語料庫，對以句子