基于多重映射自动短文摘方法.docVIP

基于多重映射自动短文摘方法 　　摘要：传统自动文摘一般对字数没有明确限制，运用传统技术进行短文摘提取时，受字数限制，难以获取均衡的性能。针对该问题，提出一种多重映射的自动短文摘方法。通过计算关联度映射值、长度映射值、标题映射值和位置映射值，分别形成多个候选文摘句子集；再运用多重映射策略，将多个候选子集映射到文摘句子集中，同时使用提取文本中心句的方法提高召回率。实验表明，多重映射可在短文摘提取上获得稳定的性能。在NLPCC2015评测中，该方法的ROUGE1测试F值达到0.49，ROUGE2测试F值达到0.35，均优于评测的平均水平，表明了该方法的有效性。 　　关键词：自动文摘；短文摘；多重映射；映射规则 　　中图分类号： TP391.1 　　文献标志码：A 　　Abstract：Traditional automatic text summarization has generally no word count requirements while many social network platforms have word count limitation. Balanced performance is hardly obtained in short text summarization by traditional digest technology because of the limitation of word count. In view of this problem， a new automatic short text summarization method was proposed. Firstly， the values of relationship mapping， length mapping， title mapping and position mapping were calculated to respectively form some sets of candidate sentences. Secondly， the candidate sentences sets were mapped to abstract sentences set by multiple mapping strategies according to series of multiple mapping rules， and the recall ratio was increased by putting central sentences into the set of abstract sentences. The experimental results show that multiple mappings can obtain stable performance in short text summarization， the F measures of ROUGE1 and ROUGE2 tests are 0.49 and 035 respectively， which are better than the average level of NLPCC2015 evaluation， proving the effectiveness of the method. 　　Key words：automatic summarization； short text summarization； multiple mapping； mapping rule 　　0 引言 　　自动文摘是指利用计算机自动地生成准确、全面反映文献中心内容的摘要[1]。自动文摘技术可以帮助人们快速、高效地获取信息[2]，是处理海量信息的重要手段。 　　自动文摘按其产生策略可分为生成式和抽取式两类[3]。生成式文摘运用自然语言理解技术，其中可包含原文没有的词和词组，但其文摘领域严格受限[4]；抽取式文摘通过预定义的特征集，选取原文的句子形成文摘[5]。从生成技术看，基于机器学习的方法是目前重要的自动文摘技术之一。基于机器学习的方法重点从特征选择和机器学习模型构建方面展开研究。特征选择方面，Luhn[6]提出了基于高频词的特征选取方法，对包含高频词的句子评分，得分高的为文摘句。Baxendale[7]以句子位置为特征对句子进行评分。Edmundson[8]将上述两种方法综合运用于科技文献的自动文摘，取得了很好的效果。后续的研究还提出用词频、标题、位置、修辞结构、实体及语言层面的特征[9]，如语义概念[10]等进行文摘提取。在机器学习策略方面，傅间莲等[11]运用了基于关键词词频统计的方法，Gol