面向新媒体的新闻缩写关键技术研究.docVIP

面向新媒体的新闻缩写关键技术研究

随着新媒体的快速发展,网络新闻呈现出雨后春笋的态势,人们面临信息选择困难、信息超载等问题。大量的冗余信息一方面增加了用户阅读信息的时间,另一方面还增加了用户发现和理解热点话题的困难。

移动设备的普及更是带动了新闻客户端的大量产生,这些移动设备的特点是屏幕小,信息量过大时不能单屏显示,分屏又会导致阅读的不便。因此,新闻自动缩写技术应运而生,新闻缩写不仅可以获得简约而明了、有深度且有态度的内容资源,而且能提升网络新闻的品质,实现网络新闻的增值阅读。

本文对新闻标题和新闻正文的缩写技术展开一系列研究。针对新闻标题,借助于词对齐技术应用规则与统计结合的方法进行压缩。

针对新闻正文内容,提出句子压缩与句子选择结合的框架来生成新闻正文的压缩结果。该框架中,首先应用句子多特征融合的方法进行摘要句子预选择,根据句子多特征权重排序抽取最具有代表性的句子。

然后针对预选择的摘要句子,提出一种基于关键词的启发式句子压缩算法,该算法作为中间阶段被应用于生成原句子的压缩变体。最后通过整数线性规划算法去除冗余,选取出信息量最大的最终新闻摘要。

在评测方面,本文提出一种句子压缩基础上的自动摘要评测方法。该方法通过信息的重要性、语法规范性和压缩比对压缩后的句子进行打分,随后在摘要的评测中结合句子压缩分数计算出准确率、召回率以及F值分别为79.26%、76.32%和77.76%。