基于多特征及Ranking SVM的微博新闻自动摘要研究.pdfVIP

! 第 # 卷第 $ 期 郑 州 大 学 学 报 !理 学 版 %’(# )($ ! $*+, 年 - 月 . 7389/!):;/=8/?/ .63($*+, 基 于多特征和 -5M25S ;@L 的微博 新闻自动摘要研究 李孟爽 !! 昝红英 !! 贾会贞 !郑州 大学 信 息工程学院! 河南 郑州 M***+ ! / 摘要 提 出 了面 向微博应用的 新 闻文本 自动摘 要研究方 法 利 用 互 信 息 对新 闻文本 中词语 和 句 子 之 间的语 义 特 征 进行 计 算 $根据其关 联 度对 句 子 进 行 主 题 划 分 $赋 予 主 题 句 较 高 的权 重 $同 时 从 文 本 中抽 取 多 种 组 合 特 征 $利 用 S:3_834%Z $ / )TapHH$*+M 对 句 子 进 行 排 序 从 而得到 自动摘 要 在 面 向微博中 文新 闻 自动摘 要 评 测 数 据集 上 进 行 对 比实 验 $取 得 了 良好 效 果 $证明 该 方 法 的有 效 性 / 关键词 ! 互 信 息 语 义 特 征 主题句 S:3_834%Z 新 闻文本 自动摘 要 中图分类号 ! XaA#+!!!!! 文献标志码 ! N!!!!! 文章编号 ! +-,+@-G+ !$*+, *$@**A@*M ’()! +*(+A,*M OD/8FF3/+-,+@-G+($*+-$A# *+ 引言 (+ ) $ $*+M , $ $(* $ +(-$ / 文献 显示 截 至 年 月 中国网民微博用 户规模 达 亿 手机微博用 户规模 达 亿 当社 会媒 体用 户需 通过 这个 平 台转 发 自己喜欢的新 闻时 $微博允许 用 户发 布 的文本长度一般不 能超 过 +* 字 $用 $ 7ST / / 户发 布该 新 闻 的简要 内容 然 后 附上 整 条新 闻 的 链 接 这 样 在方 便 发 布者 的 同时也节 省 他 人 时 间 因 $ / S:3_834%Z 此 针对微博新 闻文本 的自动摘要研究 具有 深远 的意义 本文 提 出 了基于多特征 和 的自动摘要 方法 $具体 过程为 % + 对 原始 文本进行预 处 理 $除去不会 作 为摘要 句 的疑 问句 和否定 句 / $ 抽取 文本 的词频 ’句子位置 ’与标题 相 似度 ’指示 性 词语及 句子 长度 等统计 特征 / A 利用互 信 息抽取 文本 的语 义 特征 $对其 进行 主题划分 $赋予 主题句较 高 的权 重 / 综合 文本 的统计 特征 和语 义 特征 $利用训练 数 据 训练 S:3_834%Z 模 型 $然 后 用 得到 的模 型对 句 子 进行 排序 / M 选 出得分最 高 的句子加入摘要 句 $如果所选 句子 与摘要 句相 似则 移 除 $直 至摘要 句 长度 +* 字停止 / ,+相关 工作 / 自动摘要 是 指 自动地从 原始 文章 中提取一个 简短