基于DSC的多文本自动摘要.pdfVIP

2014年 第23卷 第 7期 http：llwww．c—S-a．org．cn 计 算 机 系 统 应 用 基于DSC的多文本自动摘 李成果 (中国科学院软件研究所，北京 100190) (中国科学院大学，北京 100190) 摘 要 ：多文本摘要的目标是对给定的查询和多篇文本(文本集)，创建一个简洁明了的摘要，要求该摘要能够表 达这些文本的关键内容，同时和给定的查询相关．一个给定的文本集通常包含一些主题，而且每个主题由一类句 子来表示，一个优秀的摘要应该要包含那些最重要的主题．如今大部分的方法是建立一个模型来计算句子得分， 然后选择得分最高的部分句子来生成摘要．不同于这些方法，我们更加关注文本的主题而不是句子，把如何生成 摘要的问题看成一个主题的发现，排序和表示的问题．我们首次引入dominantsetscluster(DSC)来发现主题，然后 建立一个模型来对主题的重要性进行评估，最后兼顾代表性和无重复性来从各个主题 中选择句子组成摘要．我 们在DUC2005、2006、2007三年的标准数据集上进行了实验，最后的实验结果证明了该方法的有效性． 关键词：多文本 自动摘要：Dominantsetscluster Query-FocusedMulti-DocumentSummarizationBasedonDominantSetsCluster LICheng-Guo (InstituteofSoftware，ChineseAcademyofSciences，Beijing100190，China) (UniversityofChineseAcademyofSciences，Beijing100190，China) Abstract：Query--focusedmulti-·documentsummarizationaimsatautomaticallycreatingabriefstatementthatpresents themainpointsofagivendocumentsetandisrelevantwiththequery．A givendocumentsetusuallycontainssome themes．Andeachhtemeisrepresentedbyaclusterofsentences，andan excellentsummary should coverhtemost importnathtemes．Mostoftheexistingmulti—documentsummarizationmehtodsuseasentence—rankingmodeltoselect sentencestogeneratesummary．Thesemethodsjustconsiderclusterasafactorinfluencesranksentenceorignoreit，Due tohteinfluenceofotherfactors，finallygeneratedsummary maynotcontainsomeimportnathtemesbythesemethods． Differentfrom thesemethods，wefocusonthehtemeslevelratherhtansentencelevelandwetreatthetaskasahtemes detection，rankingandrepresenattion(TDRR)problem．Weintroducedominantsetscluster(DSC)toproducetheme clusters，constructamodeltorank themeclusters，and selectmostrepresentativeandmaximum information gain sentencestoform summary．Theexperimentalresultsonanopenbenchmarkdatasetsrfom DUC05toDUC07show htat ourproposedapproachiseffectiveness． Keywords：multi·d·ocmu entsummarization；dominnatsetscluster；query-f·ocusedsummarization 随着互联网的发展，人们所缺乏的不在是信息， 用户来说也不是一个轻松的任务．自动文本摘要技术 而是如何有效的浏览和查阅信息的手段．比如对于一