基于潛在語(yǔ)義分析的多網(wǎng)頁(yè)自動(dòng)文摘研究.pdf

1、隨著Internet技術(shù)的迅速發(fā)展，Web資源的更新頻率令人瞠目結(jié)舌。然而，在Web信息資源迅猛發(fā)展的同時(shí)，人們不能忽視信息極大豐富而知識(shí)相對(duì)匱乏的問題。所以，如何獲得對(duì)用戶有價(jià)值的信息就變得至關(guān)重要。目前，人們獲取信息的主要方法是通過搜索引擎，但是搜索引擎往往會(huì)返回大量冗余的信息，因此在閱讀時(shí)會(huì)浪費(fèi)大量的人力物力，并且不能提供給用戶簡(jiǎn)潔、直接的答案，所以多網(wǎng)頁(yè)自動(dòng)文摘技術(shù)應(yīng)運(yùn)而生。多網(wǎng)頁(yè)自動(dòng)文摘技術(shù)的強(qiáng)標(biāo)是致力于將信息全面的、簡(jiǎn)潔的文

2、檔直接呈現(xiàn)給用戶，從而提高用戶獲取信息的效率。它的重要性是不言而喻的，其應(yīng)用前景將非常廣泛。 本文的目標(biāo)是研究多網(wǎng)頁(yè)的自動(dòng)文摘，主要研究基于潛在語(yǔ)義分析(Latent Semantic Analysis，LSA)的多網(wǎng)頁(yè)自動(dòng)文摘系統(tǒng)理論和實(shí)現(xiàn)方法。根據(jù)潛在語(yǔ)義分析理論，對(duì)多網(wǎng)頁(yè)進(jìn)行了語(yǔ)義段的劃分、句子聚類、生成初始文摘并對(duì)其加工得到最后的文摘。首先提出多網(wǎng)頁(yè)語(yǔ)義段的概念和基于LSA的多網(wǎng)頁(yè)語(yǔ)義段劃分算法，對(duì)傳統(tǒng)的權(quán)重計(jì)算方法進(jìn)行