原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
2024
年
1
月北
京
航
空
航
天
大
学
学
报
January2024
第
50
卷
第
1
期Journal
of
Beijing
University
of
Aeronautics
and
AstronauticsVol.
50No.
1
jbuaa@
DOI:
10.13700/j.bh.1001-5965.2022.0233
基于领域概念图的航天新闻自动摘要模型
1，21，*1，23
黄浩宁，陈志敏，徐聪，张晓燕
(1.
中国科学院
国家空间科学中心，北京
100190；
2.
中国科学院大学，北京
100049；
3.
国家无线电监测中心，北京
100037)
摘要：互联网海量的航天新闻中隐含着大量航天情报信息，对其进行理解与压缩是提高
后续情报分析效率的基础。然而通用的自动摘要算法往往会忽略很多航天领域关键信息，且有监督
自动摘要算法需要对领域文本进行大量的数据标注，费时费力。因此，提出一种基于领域概念图的
无监督自动摘要(DCG-TextRank)模型，利用领域术语辅助引导图排序，提高模型对领域文本的理
解力。该模型分3个模块：领域概念图生成、图权重初始化、图排序及语义筛选。根据句向量相似
度和领域术语库，将文本转换为包含句子节点和领域术语节点的领域概念图；根据航天新闻文本特
征初始化领域概念图权值；采用TextRank模型对句子进行排序，并在语义筛选模块通过图节点聚
类及设置摘要语义保留度的方法改进TextRank的输出，充分保留文本的多语义信息并降低冗余。
所提模型具有领域可移植性，且实验结果表明：在航天新闻数据集中，所提模型相比传统
TextRank模型性能提升了14.97%，相比有监督抽取式文本摘要模型BertSum和MatchSum性能提
升了4.37%～12.97%。
关键词：自动文本摘要；领域概念图；预训练语言模型；图排序算法；图节点聚类
中图分类号：TP391.1
文献标志码：A文章编号：1001-5965（2024）01-0317-11
随着航天工业的快速发展，世界各国对太空资自动文本摘要方法主要分2种：抽取式摘要和
[6]
源的争夺已从传统技术层面延伸至政治、外交、军生成式摘要。前者通过在原文中挑选符合主旨的
事领域，各国航天机构纷纷开展航天情报收集与分句子进行组合形成摘要，后者则通过对原文进行理
析工作，在如此激烈的竞争下，情报分析效率显得解，重新组织语言，通过“复述”的形式简要表达原
[7-9]
尤为重要。互联网海量的航天新闻中隐含着大量文主旨。其中生成式摘要主要采用Seq2Seq模型，
航天情报信息，对这些非结构化文本数据进行压缩编码器学习文本的语义信息，将文本表示为一个向
与筛选，提取出有价值的信息是情报收集的重要一
文档评论（0）