[發(fā)明專利]一種基于云模型的中文面向查詢的多文檔自動文摘方法

無效

• 申請?zhí)枺?/td>: 201110373752.9
• 申請日: 2011-11-22
• 公開（公告）號: CN102411621A
• 公開（公告）日: 2012-04-11
• 發(fā)明（設(shè)計）人: 陳勁光;何婷婷;胡珀;趙軍民;李芳
• 申請（專利權(quán)）人: 華中師范大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27
• 代理公司: 武漢天力專利事務(wù)所 42208
• 代理人: 馮衛(wèi)平

1.一種基于云模型的中文面向查詢的多文檔自動文摘方法，其特征在于包括如下步驟：

???1）對查詢和多文檔集合進行句子切分、分詞、去停用詞，將查詢和文檔表示成向量；

???2）利用云模型對得到的向量進行處理，通過建立中文語料庫、修改英文自動文摘評測工具ROUGE的源代碼以實現(xiàn)中文文摘自動評測、參數(shù)訓(xùn)練，找出與查詢相關(guān)的句子，并計算句子在文檔集合中的重要度，綜合考慮兩方面的因素，給句子打分；?

???3）去冗余，生成初始文摘。

2.根據(jù)權(quán)利要求1所述的基于云模型的中文面向查詢的多文檔自動文摘方法，其特征在于所述步驟3）之后還包括一個句子修剪步驟，即制定句子修剪規(guī)則對初始文摘句進行句子修剪，產(chǎn)生多候選句，利用多維云選取修剪句替換原始文摘句，生成精煉文摘。

3.根據(jù)權(quán)利要求2所述的基于云模型的中文面向查詢的多文檔自動文摘方法，最后還包括一個句子排序步驟，即對文檔集合進行聚類，找出包含一個或多個文摘句的子主題，將文檔集合中的所有文檔看成是模板，多個模板的集合構(gòu)成了云，即云模板，利用云模板依次對子主題以及子主題內(nèi)部的文摘句進行排序，最終生成所需摘要。

4.根據(jù)權(quán)利要求2所述的基于云模型的中文面向查詢的多文檔自動文摘方法，其特征在于所述的句子修剪規(guī)則為10條基于依存分析的人工規(guī)則。

5.根據(jù)權(quán)利要求2所述的基于云模型的中文面向查詢的多文檔自動文摘方法，其特征在于所述的利用多維云選取修剪句替換原始文摘句具體是指：將詞語在文檔集合間的分布、在所有句子間的分布、與所有查詢詞之間的相關(guān)度三方面分別看成云滴，分別通過逆向云發(fā)生器得到三種云的數(shù)字特征以得到詞語多維云，通過綜合云運算得到詞語單維云，詞語單維云組成句子多維云，計算候選句重要度得分，再與候選句長度一起計算候選句的信息密度，用信息密度最高的候選句替換原始文摘句。

6.根據(jù)權(quán)利要求5所述的基于云模型的中文面向查詢的多文檔自動文摘方法，其特征在于所述的計算候選句重要度得分是指，通過計算句子多維云與原句多維云的相似度，從而得到候選句的重要度得分，計算句子多維云與原句多維云相似度的方法為：

其中，C1和C2為兩個多維云，Ex_1k、Ex_2k，En_1k、En_2k，He_1k、He_2k分別為概念C1和C2所擁有的第k?個屬性值的數(shù)學(xué)期望、熵、超熵；V_k為屬性k?的權(quán)重，其大小為0?~1。

7.根據(jù)權(quán)利要求5所述的基于云模型的中文面向查詢的多文檔自動文摘方法，其特征在于所述的計算候選句信息密度的方法為：

??????????????????????????

???其中C、O分別表示候選句和原句，函數(shù)Length計算的是句子長度，以字為單位。

8.根據(jù)權(quán)利要求3所述的基于云模型的中文面向查詢的多文檔自動文摘方法，其特征在于所述利用云模板依次對子主題進行排序具體是指：由主題所包含的各個文摘句的單維云構(gòu)成主題相對位置多維云，用綜合云計算得到主題相對位置單維云，通過期望Ex得到主題相對位置得分，以此對主題進行排序。

9.根據(jù)權(quán)利要求3所述的基于云模型的中文面向查詢的多文檔自動文摘方法，其特征在于所述利用云模板依次對子主題內(nèi)部的文摘句進行排序具體是指：在所有文檔中找出哪個句子與前一步中得到的文摘句最為相似，作為該文摘句在該文檔中的相對位置，將每個相對位置看成云滴，進行逆向云計算，得到句子相對位置云的數(shù)字特征，與主題內(nèi)部句子一起通過期望Ex得到句子相對位置得分，以此對主題內(nèi)部句子進行排序。