[發(fā)明專利]基于改進的PageRank算法的文本-音頻自動文摘方法

有效

• 申請?zhí)枺?/td>: 201710195609.2
• 申請日: 2017-03-28
• 公開（公告）號: CN107015966B
• 公開（公告）日: 2019-07-19
• 發(fā)明（設(shè)計）人: 張家俊;李浩然;周玉;宗成慶
• 申請（專利權(quán)）人: 中國科學院自動化研究所
• 主分類號: G06F17/27
• 分類號: G06F17/27;G10L15/26
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 任巖

本發(fā)明提供了一種基于改進的PageRank算法的文本?音頻自動文摘方法，包括：將音頻轉(zhuǎn)錄為文本，計算轉(zhuǎn)錄文本和原始文本的相似度；利用改進的PageRank算法根據(jù)相似度計算轉(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。通過改進PageRank算法，引導排序，修改了跨模態(tài)句子之間的相似度矩陣，使得來自不同模態(tài)的兩個語義相同的句子之間的連接指向從原來的雙向變?yōu)閱蜗?，實現(xiàn)了原始文本句子與轉(zhuǎn)錄文本句子語義相同時，按照原始文本句子進行輸出，在保證獲取較多重要信息量同時，避免了轉(zhuǎn)錄帶來的語法錯誤和不通順的問題，提高了文本?音頻自動文摘的可讀性。

技術(shù)領(lǐng)域

本發(fā)明屬于自然語言處理和語音處理技術(shù)領(lǐng)域，涉及一種基于改進的PageRank算法的文本-音頻自動文摘方法。

背景技術(shù)

隨著網(wǎng)絡(luò)時代到來，多媒體信息包括文本文檔、音頻等信息隨處可見。有效地分析相關(guān)的文本與音頻信息，并盡可能多的獲取其中的重要信息，以文本摘要的形式呈現(xiàn)給用戶，有助于幫助用戶僅通過文本摘要便可獲取關(guān)鍵信息，實現(xiàn)便捷、高效的信息獲取。對于一系列和某一信息事件相關(guān)的文本與音頻，目前常見做法是首先通過自動語音識別系統(tǒng)將音頻轉(zhuǎn)錄為文本，然后將其與原始文本文檔一起，通過傳統(tǒng)的多文檔自動摘要方法，生成文本摘要。上述方法相較單獨從原始文本獲取信息的方式來說，轉(zhuǎn)錄了語音信息中的相關(guān)信息，且這些信息不會被原始文本文檔完全覆蓋，有助于提高獲取的信息量，然而自動語音識別存在很多錯誤，其生成的轉(zhuǎn)錄文本的通順性較差、存在較多語法錯誤，因而可讀性較差。因此在盡可能保證獲取較多重要信息量的同時，改善現(xiàn)有的文本-音頻自動文摘可讀性差的情況，是目前需要解決的技術(shù)問題。

發(fā)明內(nèi)容

(一)要解決的技術(shù)問題

本發(fā)明提供了一種基于改進的PageRank算法的文本-音頻自動文摘方法，以至少部分解決以上所提出的技術(shù)問題。

(二)技術(shù)方案

根據(jù)本發(fā)明的一個方面，提供了一種基于改進的PageRank算法的文本-音頻自動文摘方法，包括：將音頻轉(zhuǎn)錄為文本，計算轉(zhuǎn)錄文本和原始文本的相似度；利用改進的PageRank算法根據(jù)相似度計算轉(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。

優(yōu)選地，改進的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句子；c_j表示原始文本中的任意一個句子；其中，改進的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；矩陣中每個參數(shù)的取值M_ij或M_ji為計算出來的c_i與c_j兩個句子的相似度，對于語義相同的句對，保持不變；對于在原始文本中找不到語義相同的轉(zhuǎn)錄文本句子，其相似度矩陣不變。

優(yōu)選地，利用改進的PageRank算法根據(jù)相似度計算轉(zhuǎn)錄文本和原始文本中的句子的重要性包括：對來自轉(zhuǎn)錄文本和原始文本兩個模態(tài)的句子根據(jù)相似度大于設(shè)定閾值來尋找語義相同的句對；定義改進的PageRank算法中兩個模態(tài)的句子之間相似度矩陣或矩陣中每個值為M_ij或M_ji，表示c_i與c_j的相似度；以及利用改進的PageRank算法來計算每個句子的重要性得分，進行迭代遞歸，直到得分穩(wěn)定為止。