英文多文檔查詢型自動文摘研究.pdf

1、隨著信息技術(shù)和互聯(lián)網(wǎng)的發(fā)展,人們置身于浩瀚的信息海洋,可獲取的信息也越來越多,越來越紛繁復(fù)雜。人們越來越迫切地希望能夠?qū)π畔⑦M(jìn)行標(biāo)引、提煉與濃縮,以較少的文字表達(dá)主要內(nèi)容和中心意思,從而減少信息獲取的時(shí)間。文本的自動摘要技術(shù)正好為人們提供了一種解決方案,通過計(jì)算機(jī)自動從一篇或多篇文檔中提煉出用戶需要的信息內(nèi)容,從而節(jié)省用戶獲取信息的時(shí)間,減輕用戶的負(fù)擔(dān)。文本自動摘要技術(shù)一直是自然語言領(lǐng)域的研究熱點(diǎn),尤其是近年來,文本自動摘要出現(xiàn)了和自動

2、問題回答系統(tǒng)融合的趨勢,并更加注重于查詢型的文摘,國際上相關(guān)的文摘評測會議也越來越受到科研單位的重視。對于文摘領(lǐng)域語義關(guān)系、篇章分析、機(jī)器學(xué)習(xí)方法應(yīng)用的研究越來越多,在這一背景下,本文嘗試對語義關(guān)系三元組這一重要特征以及機(jī)器學(xué)習(xí)方法應(yīng)用于文摘做了詳細(xì)的探討。語義關(guān)系是文摘方法的重要特征,本文使用語義關(guān)系三元組這一重要特征來揭示文本之間的語義關(guān)系,在對句子進(jìn)行充分的句法分析的基礎(chǔ)上,抽取語義關(guān)系特征形成三元組,并引入搜索引擎等外部知識庫,

3、轉(zhuǎn)化為更容易計(jì)算的詞、關(guān)系之間的語義聯(lián)系。在DUC權(quán)威語料上的實(shí)驗(yàn)證明,使用該特征在各項(xiàng)文摘性能指標(biāo)上超過了經(jīng)典的TF*ISF方法,ROUGE-4指標(biāo)提高了46.4％,而且由該特征單獨(dú)編制的文摘系統(tǒng),和參加DUC2005年評測的32個(gè)系統(tǒng)相比,ROUGE-L指標(biāo)排名為第10。抽取式的文摘方法,可以看作兩類的分類問題。機(jī)器學(xué)習(xí)方法可以選取最優(yōu)的特征組合,學(xué)習(xí)出文摘模型。本文采用了最大熵、支持向量機(jī)等模型實(shí)現(xiàn)基于機(jī)器學(xué)習(xí)方法的自動文摘系統(tǒng),