基于特征信息提取的中文自動文摘研究.pdf

1、隨著現(xiàn)代科技的高速發(fā)展，報紙、書籍、科技文獻等以文字為載體的信息大量涌現(xiàn)。尤其是在計算機和國際互聯(lián)網(wǎng)絡(luò)高速發(fā)展的帶動下，每天都會有不斷涌現(xiàn)的海量信息。為了能從這些海量的信息中快速、準確的找到用戶需要的信息，文檔的自動摘要處理成為越來越被關(guān)注的研究課題。 作為自然語言處理領(lǐng)域的一個重要應(yīng)用，自動文摘涉及到了大量的理論和應(yīng)用技術(shù)。人們對中文自動文摘的研究已經(jīng)有20多年了，限于相關(guān)領(lǐng)域所有的技術(shù)水平，自動文摘系統(tǒng)還不能進行完全的自動語

2、法、語義和語境分析，摘要結(jié)果還屬于指示性摘要范疇。基于目前的研究現(xiàn)狀下，采用統(tǒng)計學方法發(fā)現(xiàn)文章特征，獲取文章特征信息，在此基礎(chǔ)上建立一個自動文摘系統(tǒng)，能生成一個簡單、準確、全面的摘要，使用戶能快速的從海量信息中獲取有用的信息。 本文結(jié)合目前的研究現(xiàn)狀，利用統(tǒng)計學知識，考慮文章的體裁、類型，針對文章中出現(xiàn)的特征詞的性質(zhì)進行不同的打分，設(shè)計出一個基于特征信息提取的中文自動文摘系統(tǒng)。研究主要包括以下幾部分： (1)研究比較了當

3、前自動文摘研究方法，分析了基于統(tǒng)計的方法的可行性及其適用范圍： (2)本文提出一種基于特征信息提取的中文自動文摘方法，分析原始文本中的特征詞關(guān)系和特征，構(gòu)造向量空間模型；通過計算句子的重要度以及去除文章冗余等方法，獲得文摘結(jié)果； (3)設(shè)計一個基于特征信息提取的中文自動文摘系統(tǒng)； (4)為了驗證提出的中文自動文摘方法的可行性與有效性，本文采用內(nèi)部評測對開發(fā)的文摘系統(tǒng)進行評估。分別從國家語委語料庫中抽取不同體裁以及