基于文本聚类的多文档自动文摘研究.pdfVIP

计算机研究与发展 ISSN1000一1239/CNll一1777jTP JournalofC冶mputerResearchandDevel叩ment 44(Suppl.):140一144，2007 基于文本聚类的多文档 自动文摘研究 郭庆琳‘吴克河‘吴慧芳，李存斌， 1(华北电力大学计算机科学与技术学院 北京 102206) 2(北京信息科技大学人文社科学院 北京 100101) (qlguo88@ ) ResearchonMultiD·ocumentAutomaticAbstractingBasedonTextClustering GuoQinglin，，wuKehe，‘wuHuifan扩，andLicunbin‘ l(反h田lof肠mPuterienceand7’ecl诬nol昭国，NorthChinaElectricPower Un￡*rsitx，及ijing 102206) 2(入ool of枷manioresandsrialiences，及ijing山1二 ityofl刀formationscienceandl’ec丙nol哪沙，及iji鳍 100101) AbstractThisdissertationbringsforwardthemethodofautomaticabstracting’srealizationbasedontext clusteringisputforwardinthisPaPer.ThismethodcanovercometheshortcomingsoftheAutomatic Abstracting’sgenericrealization，andimprovegreatlythequalityofAutomaticAbstracting.Especially，by usingtextclustering，itcannotonlyimprovegreatlythequalityofsingledocument’sautomatic abstracting，butalsorealizemulti一document’sautomaticabstracting.Foraspecificplasticdomaina automaticabstractingsystemTCAASisimplementedandexperimentsdoprovethatitisfeasibletousethe methodtodeveloPadomainautomaticabstractingsystem，thatisvaluableforfurtherstudyinmoredePth. Keywordsautomaticabstracting;textclustering;naturallanguageunderstanding;multi一document 摘 要 针对当前自动文摘方法的不足，提出了基于文本聚类的自动文摘实现方法.可以克服常规自动 文摘方法的不足，使文摘的质量和效果得到大大的提高.将文本聚类引入 自动文摘中，不但使单文档的 文摘质量得到提高，而且能够实现多文档的自动文摘，这是现有的自动文摘技术所没有涉及的.实现了 面向“塑料”行业的基于文本聚类的自动文摘系统TCAAS.实验表明该方法可行，对自动文摘系统的设 计具有借鉴意义和深入研究的价值. 关键词 自动文摘;文本聚类;自然语言理解;多文档 中图法分类号 TP391 自动文摘系指利用计算机 自动地从原始文献中 信息抽取的自动文摘和基于结构的自动文摘2一〔3〕. 生成准确全面地反映文献中心内容、而且语言简洁 但这几种自动文摘的实现方法都有不尽如人意的地 连贯的摘要.自动文摘是智能信息处理研究的一个 方.例如，摘录型自动文摘将原文抽出的句子直接 重要领域.使用文摘可以大大加快文献的传播速 堆砌在一起，生成的文摘往往缺乏连贯性，且有可能 度，可以节省研究者查询信息的时间，提高研究的效 出现句子冗余，或重要文摘句遗漏;基于理解的自动