基于概念對(duì)象模型的文本摘要技術(shù)研究.pdf

1、隨著“互聯(lián)網(wǎng)+”概念的提出，互聯(lián)網(wǎng)的應(yīng)用在我國(guó)越來(lái)越廣泛，人們對(duì)知識(shí)的渴望越來(lái)越強(qiáng)烈。但是目前海量的信息充斥在網(wǎng)絡(luò)各個(gè)角落，導(dǎo)致人們對(duì)有效信息的獲取越來(lái)越困難，其中如何快速準(zhǔn)確的從海量信息中獲取到有用的信息仍然是當(dāng)前急需解決的問(wèn)題。不少學(xué)者通過(guò)對(duì)文本進(jìn)行壓縮從中抽取出有用信息來(lái)解決該問(wèn)題，這種對(duì)文本的壓縮技術(shù)也稱為文本摘要技術(shù)。
　　本文深入分析國(guó)內(nèi)外文本摘要技術(shù)的現(xiàn)狀，充分考慮語(yǔ)義因素對(duì)摘要的影響，提出了基于概念對(duì)象模型的摘要生

2、成技術(shù)，本文主要研究?jī)?nèi)容如下：
　?。?）本文首先對(duì)文檔中的多義詞進(jìn)行詞義消歧，然后對(duì)同義詞歸并生成同義詞詞組，從而生成一系列同義詞詞組并從中抽取若干概念描述該詞組，然后利用概念構(gòu)建文檔內(nèi)句子的向量空間模型。
　?。?）本文使用改進(jìn)的k-means算法對(duì)基于概念的語(yǔ)句進(jìn)行聚類，按照語(yǔ)句之間的相似度高低劃分為若干分組，每一分組內(nèi)的句子都具有比較高的相似度，不同分組之間的相似度較低，最后利用聚類結(jié)果構(gòu)建概念對(duì)象模型。
　　

3、（3）本文構(gòu)建以基于概念的句子為節(jié)點(diǎn)的圖模型和以概念對(duì)象為節(jié)點(diǎn)的圖模型，其中，在構(gòu)建圖模型邊的過(guò)程中,考慮了句式特征和語(yǔ)義相同的語(yǔ)句對(duì)邊的影響，在計(jì)算句子權(quán)重過(guò)程中，利用概念對(duì)象模型的權(quán)重以及句子位置的重要性來(lái)對(duì)句子得分進(jìn)行修正以此生成摘要。
　　本文的創(chuàng)新點(diǎn)主要有以下兩個(gè)方面：
　?。?）本文首先選擇權(quán)重比較大的語(yǔ)句來(lái)初始化 K-mea ns算法的質(zhì)心，利用該算法對(duì)文檔中的語(yǔ)句進(jìn)行聚類；然后借助面向?qū)ο蟮乃枷胩岢隽烁拍顚?duì)象

4、模型，將這些聚類結(jié)果看成若干個(gè)概念對(duì)象，對(duì)象內(nèi)都是語(yǔ)義相似度高的句子，不同概念對(duì)象間語(yǔ)義相似程度較低，最后抽取聚類內(nèi)句子的屬性和行為構(gòu)建概念對(duì)象模型。
　　（2）針對(duì)以句子為節(jié)點(diǎn)的圖模型的不足之處，本文考慮句式特征和句子語(yǔ)義等因素，分別使用基于概念的句子和概念對(duì)象模型作為節(jié)點(diǎn)構(gòu)建圖模型，然后利用構(gòu)造出的圖模型進(jìn)行文本摘要的處理，從而提高了生成的摘要質(zhì)量。
　　最后在哈工大多文檔語(yǔ)料庫(kù)的基礎(chǔ)上進(jìn)行擴(kuò)展并創(chuàng)建新的語(yǔ)料庫(kù)，對(duì)以句子