[發明專利]文檔集摘要獲取方法及裝置

無效

• 申請號: 200810239344.2
• 申請日: 2008-12-10
• 公開（公告）號: CN101751425A
• 公開（公告）日: 2010-06-23
• 發明（設計）人: 萬小軍;楊建武;肖建國
• 申請（專利權）人: 北京大學;北大方正集團有限公司;北京方正電子政務信息科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 黃志華

1.一種文檔集摘要獲取方法，其特征在于，包括：

提取文檔集中各個文檔中包含的各個句子，組成句子集合；

基于文檔集中的文檔和句子集合中的句子之間的文本相似度，確定句子集合中各個句子的重要性權重值；

根據確定的重要性權重值，按照重要性權重值由高至低的選擇順序，選擇規定數目的句子組成文檔集摘要。

2.如權利要求1所述的方法，其特征在于，基于文檔集中的各個文檔和句子集合中的句子之間的文本相似度，確定句子集合中各個句子的重要性權重值，具體包括：

確定文檔集中的文檔和句子集合中的句子之間的文本相似度；并

根據文檔集中的文檔和句子集合中各個句子之間的文本相似度，通過迭代運算方式，確定句子集合中各個句子的重要性權重值。

3.如權利要求2所述的方法，其特征在于，基于迭代運算方式，確定句子集合中各個句子的重要性權重值，具體計算過程如下：

AuthScore(t+1)(si)=Σdj∈Dwij×HubScore(t)(dj),]]>

HubScore(t+1)(dj)=Σsi∈Swij×AuthScore(t)(si);]]>

其中，t為自然數，t+1表示本次迭代運算，t表示上次迭代運算；

AuthScore^(t+1)(s_i)表示在本次迭代運算中，句子集合中第i個句子s_i的重要性權重值；

HubScore^(t+1)(d_j)表示在本次迭代運算中，文檔集中第j個文檔d_j的重要性權重值；

AuthScore^(t)(s_i)表示在上次迭代運算中，句子集合中第i個句子s_i的重要性權重值；

HubScore^(t)(d_j)表示在上次迭代運算中，分文檔集中第j個文檔d_j的重要性權重值；

w_ij表示句子集合中第i個句子s_i和文檔集中第j個文檔d_j的文本相似程度；

重復上述每次迭代運算過程，直到當前次迭代運算后，句子集合中各個句子的重要性權重值和文檔集中各個文檔的重要性權重值，分別與上次迭代運算后，句子集合中各個句子的重要性權重值和文檔集中各個文檔的重要性權重值相等終止；

在迭代運算終止后，將最后一次迭代運算后，句子集合中各個句子的重要性權重值作為求取到的句子集合中各個句子的重要性權重值。