中文科技文獻(xiàn)自動摘要系統(tǒng).pdf

1、隨著Internet的快速發(fā)展，人們迫切需要信息壓縮工具來對大量的信息進(jìn)行提煉、濃縮，而自動摘要系統(tǒng)正是這樣的工具。人們可以首先利用計算機(jī)對這些大量的文本信息進(jìn)行處理，生成基本能夠反映對應(yīng)文章的主題的摘要信息。然后人們只要閱讀少量的摘要就能確定是否進(jìn)行進(jìn)一步閱覽全文，這將大大提高人們獲取電子文本信息的效率。 本文正是對中文自動摘要系統(tǒng)研究的一個探索。本文首先介紹了摘要提取的定義、意義、摘要的分類以及摘要的書寫規(guī)范，提出了本課題的

2、研究背景和目標(biāo)。接著本文通過對現(xiàn)階段幾種主要的自動摘要技術(shù)：基于統(tǒng)計的自動摘要方法、基于自然語言理解的文摘方法、信息抽取、基于結(jié)構(gòu)的自動摘要方法的比較和分析，得到它們自身的優(yōu)點(diǎn)和缺點(diǎn)，并在此基礎(chǔ)上提出一種主要基于傳統(tǒng)的統(tǒng)計技術(shù)，并結(jié)合一定的語義關(guān)系的摘要方法。 該方法主要結(jié)合了基于統(tǒng)計和理解的摘要技術(shù)，針對中文科技文獻(xiàn)提取出摘要。該方法首先對文本進(jìn)行分詞和詞形標(biāo)注處理，然后通過對詞頻等文本物理信息的統(tǒng)計，利用HowNet中的語義

3、關(guān)系計算詞語間的相似度，以此合并具有同義關(guān)系的詞語，結(jié)合停用詞詞庫和科技領(lǐng)域詞詞庫計算出詞語的權(quán)重，按照詞語權(quán)重提取出能表征文本主要內(nèi)容的特征詞；根據(jù)句子的物理信息以及句子中包含的特征詞情況計算出句子的權(quán)重，按照句子權(quán)重大小提出候選摘要句；最后利用VSM消除重復(fù)候選摘要句，并采取措施加強(qiáng)摘要連貫性、消減指代，參照科技文獻(xiàn)摘要寫作規(guī)范將候選摘要句按原文順序輸出。 最后本文還討論了系統(tǒng)的評價方法和系統(tǒng)的實驗結(jié)果。實驗結(jié)果達(dá)到了預(yù)期效