基于潛在語義分析的文本分割技術(shù)研究.pdf

1、一篇文檔通常涉及多個(gè)子主題，然而傳統(tǒng)的文本處理系統(tǒng)如信息檢索和文本摘要以整篇文檔作為基本處理單元，隱性假設(shè)文檔主要討論一個(gè)主題。如果能夠準(zhǔn)確地識(shí)別和劃分文本的子主題結(jié)構(gòu)，將語義段落作為文本處理的基本單元，會(huì)大大提高文本處理系統(tǒng)的性能。 文本分割的任務(wù)是將含有多個(gè)子主題的文檔切分成多個(gè)語義段落，每個(gè)語義段落描述一個(gè)子主題，而各個(gè)語義段落之間涉及不同的子主題。本文主要探討線性文本分割，其中每個(gè)語義段落由連續(xù)的文本片段組成。

2、現(xiàn)有的文本分割方法可以分為兩類，第一類是基于詞條重現(xiàn)的方法，認(rèn)為文本片段內(nèi)部詞匯重復(fù)程度越高，則越有可能是一個(gè)語義段落。此類方法易于計(jì)算，對資源要求較低，但是忽略了詞之伺潛在的語義關(guān)系對語義連貫性的影響，造成分割的準(zhǔn)確率下降。第二類方法利用語言學(xué)資源(如詞典和訓(xùn)練語料)來挖掘詞間的語義關(guān)系，并將這些語義知識(shí)引入語義連貫性的計(jì)算。此類方法對資源要求較高，分割性能較好。 本文主要研究了把潛在語義分析(LSA)用于文本分割的效果。潛在

3、語義分析能夠通過詞出現(xiàn)的上下文來估計(jì)詞間潛在的語義關(guān)系。通過對詞頻矩陣進(jìn)行奇異值分解，詞被表示為低維語義空間上的特征向量，由此可以計(jì)算詞與詞、句子與句子之間的語義相似度。 本文設(shè)計(jì)實(shí)現(xiàn)了一個(gè)基于潛在語義分析的文本分割算法，在對文檔中的詞進(jìn)行潛在語義分析的基礎(chǔ)上，采用分裂式聚類(divisive clustering)對文檔進(jìn)行分割，并自動(dòng)確定分割的語義段落數(shù)目。實(shí)驗(yàn)結(jié)果顯示，與基于詞重現(xiàn)的Baseline算法相比，本算法取得了更