基于领域本体的文档自动摘要算法.pdfVIP

维普资讯 第 5期 华东师范大学学报 (自然科学版) No．5 2007年 9月 JournalofEastChinaNormalUniversity(NaturalScience) Sept．2007 文章编号 ：1000—5641(2007)05—0107—06 基于领域本体的文档 自动摘要算法 王 麒， 江开忠，杨 静，顾君忠 (华东师范大学 计算机应用研究所 ，上海 200062) 摘要：介绍了一种以潜语义分析模型为基础，辅之以领域本体的文档 自动摘要算法．该方法在 传统的基于统计的奇异值分解算法基础上，通过领域本体引人了文档主题识别以及概念相似度 计算 ，更好地用形式化 的方式描述了文档的主要 内容 ；在文档主题和概念相似度 的指导下 ，使用 统计方法和启发式规则抽取文档中的关键句子作为摘要，并通过实验证明提高了摘要的质量． 关键词：本体； 自动摘要； 奇异值分解 中图分类号 ：TP393 文献标识码 ：A DomainOntology—BasedDocumentAutomaticSummarization W ANG Qi，JIANG Kai—zhong，YANGJing，GU Jun-zhong (InstituteofComputerApplications，EastChinaNormalUniversity，Shanghai200062，China) Abstract：A new arithmeticbasedonLatentSemanticAnalysisModelanddomainontologywas proposedtosummarizethedocument．Basedonthetraditionalstatisticarithmetic，recognitionof documentthemeandcomputationofconceptsimilaritywereimposed byusingdomainontology， whichdescribedthemaincontentofdocumentsbetter．Intheguideofdocumentthemeandcon— ceptsimilarity，statisticalapproachesand heuristicrulesto extractkey-sentenceswere used， whichareprovedto improvethequalityofautomaticsummarizationarithmeticbyexperiment． Keywords：ontology, automaticsummarization； singularvaluedecomposition 0 引 言 Internet作为海量信息的载体越来越受到人们的青睐，人们在享受网络便捷的同时也 被其大量涌现的无用Web文档信息所困扰．文档 自动摘要技术聚焦于解决这一问题，其思 想是利用计算机快速处理并 自动总结 出文档的核心 内容，使得用户可 以根据 自动概括出的 核心内容来判断文档的价值，从而大大提高用户准确获取信息的速度．目前已经被提出的自 动摘要方法主要以统计方法为主，忽视了对文档内容和主题的分析 ，导致生成的摘要质量不 收稿 日期 ：2006—12 基金项 目：上海市科委科研计划项 目(055115001) 第一作者：王麒 (1981一)，男，硕士生，主要研究方向为信息抽取和多媒体数据通信． 通讯作者：顾君忠(1949一)，男，教授，主要研究领域为多媒体、分布式数据库、系统分析与集成等． 维普资讯 108 华东师范大学学报(自然科学版) 高．本文借助领域本体来描述某个特定领域的基本知识，并将领域本体与传统的基于统计的 奇异值分解(SingularValueDecomp