[發(fā)明專(zhuān)利]基于改進(jìn)的PageRank算法的文本-音頻自動(dòng)文摘方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710195609.2
• 申請(qǐng)日: 2017-03-28
• 公開(kāi)（公告）號(hào): CN107015966B
• 公開(kāi)（公告）日: 2019-07-19
• 發(fā)明（設(shè)計(jì)）人: 張家俊;李浩然;周玉;宗成慶
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)科學(xué)院自動(dòng)化研究所
• 主分類(lèi)號(hào): G06F17/27
• 分類(lèi)號(hào): G06F17/27;G10L15/26
• 代理公司: 中科專(zhuān)利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 任巖

1.一種基于改進(jìn)的PageRank算法的文本-音頻自動(dòng)文摘方法，其特征在于，包括：

將音頻轉(zhuǎn)錄為文本，計(jì)算轉(zhuǎn)錄文本和原始文本的相似度；

利用改進(jìn)的PageRank算法根據(jù)相似度計(jì)算轉(zhuǎn)錄文本和原始文本中的句子的重要性；以及

根據(jù)句子的重要性，生成文本摘要；

其中，改進(jìn)的PageRank算法的公式如下：

其中，μ為平滑因子；u(c_i)為c_i的重要性得分；u(c_j)為c_j的重要性得分；M_ij為c_i與c_j的相似度；N為句子總數(shù)；c_i表示轉(zhuǎn)錄文本中的任意一個(gè)句子；c_j表示原始文本中的任意一個(gè)句子；

其中，改進(jìn)的PageRank算法中M_ij的定義如下：

定義跨模態(tài)句子之間的相似度矩陣為或其中，表示c_j傳遞給c_i的得分權(quán)重矩陣，表示c_i傳遞給c_j的得分權(quán)重矩陣；矩陣中每個(gè)參數(shù)的取值M_ij或M_ji為計(jì)算出來(lái)的c_i與c_j兩個(gè)句子的相似度，對(duì)于語(yǔ)義相同的句對(duì)，保持不變；對(duì)于在原始文本中找不到語(yǔ)義相同的轉(zhuǎn)錄文本句子，其相似度矩陣不變。

2.根據(jù)權(quán)利要求1所述的文本-音頻自動(dòng)文摘方法，其特征在于，所述利用改進(jìn)的PageRank算法根據(jù)相似度計(jì)算轉(zhuǎn)錄文本和原始文本中的句子的重要性包括：

對(duì)來(lái)自轉(zhuǎn)錄文本和原始文本兩個(gè)模態(tài)的句子根據(jù)相似度大于設(shè)定閾值來(lái)尋找語(yǔ)義相同的句對(duì)；

定義改進(jìn)的PageRank算法中兩個(gè)模態(tài)的句子之間相似度矩陣或矩陣中每個(gè)值為M_ij或M_ji，表示c_i與c_j的相似度；以及

利用改進(jìn)的PageRank算法來(lái)計(jì)算每個(gè)句子的重要性得分，進(jìn)行迭代遞歸，直到得分穩(wěn)定為止。

3.根據(jù)權(quán)利要求2所述的文本-音頻自動(dòng)文摘方法，其特征在于，所述設(shè)定閾值通過(guò)在MSR語(yǔ)料上測(cè)試獲得。

4.根據(jù)權(quán)利要求1所述的文本-音頻自動(dòng)文摘方法，其特征在于，所述根據(jù)句子的重要性，生成文本摘要包括：

定義抽取用于生成摘要的句子的目標(biāo)函數(shù)；

定義長(zhǎng)度約束；

通過(guò)貪心算法，選取最大化目標(biāo)函數(shù)且滿(mǎn)足長(zhǎng)度約束的句子集合；以及

按照輸入的轉(zhuǎn)錄文本和原始文本中句子的出現(xiàn)順序，將符合條件的句子排序，作為輸出摘要。

5.根據(jù)權(quán)利要求4所述的文本-音頻自動(dòng)文摘方法，其特征在于，所述目標(biāo)函數(shù)的表達(dá)式如下：

其中，S為摘要集合，u(c_i)為摘要S中的句子c_i的重要性得分；λ為對(duì)冗余性的懲罰因子，通過(guò)開(kāi)發(fā)集調(diào)節(jié)；sim(c_i，c_j)為c_i和c_j間的余弦相似度。

6.根據(jù)權(quán)利要求4所述的文本-音頻自動(dòng)文摘方法，其特征在于，所述貪心算法實(shí)施包括：

對(duì)于每一個(gè)還未選為摘要的句子l，計(jì)算選該句子給目標(biāo)函數(shù)f帶來(lái)的得分增益，其表達(dá)式如下式所示：

其中，c_l為句子l的長(zhǎng)度；

選取滿(mǎn)足得分增益最高的句子作為選入摘要，如此循環(huán)進(jìn)行，直至摘要長(zhǎng)度達(dá)到預(yù)定的長(zhǎng)度限制。

7.根據(jù)權(quán)利要求4所述的文本-音頻自動(dòng)文摘方法，其特征在于，所述按照輸入的轉(zhuǎn)錄文本和原始文本中句子的出現(xiàn)順序，將符合條件的句子排序，包括：

對(duì)于那些出現(xiàn)在轉(zhuǎn)錄文本和原始文本中的句子，按照原始文本的日期先后排序；

對(duì)于那些出現(xiàn)在相同原始文本中的選入摘要中的句子，按照其出現(xiàn)在原始文本中的先后排序。