[發(fā)明專利]一種結(jié)構(gòu)化摘要的生成方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201210036872.4
• 申請(qǐng)日: 2012-02-17
• 公開(kāi)（公告）號(hào): CN102622411A
• 公開(kāi)（公告）日: 2012-08-01
• 發(fā)明（設(shè)計(jì)）人: 黃民烈;朱小燕
• 申請(qǐng)（專利權(quán)）人: 清華大學(xué)
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 北京中北知識(shí)產(chǎn)權(quán)代理有限公司 11253
• 代理人: 馮夢(mèng)洪

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)應(yīng)用技術(shù)的技術(shù)領(lǐng)域，具體地涉及一種結(jié)構(gòu)化摘要的生成方法。

背景技術(shù)

在當(dāng)今信息爆炸時(shí)代，多文檔摘要能夠使讀者高效、省時(shí)地了解信息。傳統(tǒng)文檔摘要方法所生成的摘要內(nèi)容通常是無(wú)結(jié)構(gòu)的，信息內(nèi)容上缺乏有效的組織，并且可讀性比較差。例如，對(duì)于產(chǎn)品評(píng)論，一般來(lái)說(shuō)，用戶總是圍繞著產(chǎn)品或服務(wù)的某些屬性或側(cè)面對(duì)產(chǎn)品或服務(wù)進(jìn)行評(píng)論和打分。例如，手機(jī)的屬性包括電池、屏幕、系統(tǒng)、應(yīng)用等；汽車的屬性包括安全性、油耗、內(nèi)飾等。對(duì)于新聞文檔來(lái)說(shuō)，可以從時(shí)間、地點(diǎn)、人物、事件等結(jié)構(gòu)來(lái)描述；或者根據(jù)具有聚類性質(zhì)的子話題來(lái)描述摘要內(nèi)容的結(jié)構(gòu)。

考慮這些產(chǎn)品不同屬性或不同側(cè)面，或不同子話題的摘要生成方法叫做結(jié)構(gòu)化的摘要生成方法。而這些不同屬性或不同側(cè)面，或不同子話題被統(tǒng)一稱作aspect(屬性，或?qū)傩栽~)。

aspect刻畫(huà)和反映了某種對(duì)象的特定屬性，例如汽車的安全性，而在汽車安全性這個(gè)aspect中，剎車、安全氣囊、碰撞和穩(wěn)定性等詞的出現(xiàn)概率比較高。這些aspects可以用來(lái)指導(dǎo)摘要的生成，并把摘取的句子分配到相應(yīng)的aspect中，從而得到結(jié)構(gòu)化的摘要，大大改善摘要的質(zhì)量和可讀性。

摘要內(nèi)容多樣化和冗余去除在文檔摘要系統(tǒng)中起著重要作用。最大邊際相關(guān)性(Maximal?Marginal?Relevance，MMR)作為一種常用的冗余去除方法，把信息與查詢的相關(guān)度(或者信息重要性)和信息的新穎性結(jié)合起來(lái)，通過(guò)線性加權(quán)的方式平衡候選句子的重要性和候選句子與已選句子的重復(fù)程度。該方法每次選取MMR值最大的句子，直至達(dá)到摘要長(zhǎng)度或者句子數(shù)目的限制。

結(jié)構(gòu)化摘要中，對(duì)每一個(gè)aspect定義一個(gè)同義詞集，并將該同義詞集作為aspect的指示詞。如果一句話含有某個(gè)aspect的任意一個(gè)指示詞，則給該評(píng)論賦予這個(gè)aspect的標(biāo)簽。這樣得到aspect的句子集合，然后計(jì)算MMR的值，MMR的計(jì)算公式如下：

MMR=argmaxsi∈Ra-S{λD1(q,si)-(1-λ)maxsj∈SD2(Si,Sj)}]]>

其中，R_a是所有和aspect?a相關(guān)的句子的集合，S是已經(jīng)抽取的句子，D₁是句子s_i歸一化后的排序分?jǐn)?shù)(可以是把句子中單詞的文檔頻率相加的值)。D₂是s_i和s_j之間的相似度，參數(shù)λ用來(lái)調(diào)節(jié)分?jǐn)?shù)D₁和相似度D₂的影響。

這種方法沒(méi)有考慮各個(gè)aspect的相對(duì)重要性，同時(shí)局限于預(yù)先定義的aspect同義詞集，不能夠很好的擴(kuò)展。

發(fā)明內(nèi)容

為克服現(xiàn)有技術(shù)的缺陷，本發(fā)明要解決的技術(shù)問(wèn)題是提供了一種自動(dòng)生成aspect的指示詞并綜合考慮每個(gè)aspect的重要性的結(jié)構(gòu)化摘要的生成方法。

本發(fā)明的第一技術(shù)方案是：這種結(jié)構(gòu)化摘要的生成方法，包括以下步驟：