[發明專利]一種同主題文本集合中多文本摘要獲取方法

有效

• 申請號: 201810223876.0
• 申請日: 2018-03-19
• 公開（公告）號: CN108595411B
• 公開（公告）日: 2022-02-01
• 發明（設計）人: 徐小龍;楊春春;段衛華;張潔;朱潔;劉茜萍
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06F40/258
• 分類號: G06F40/258;G06F16/35;G06N3/04;G06N3/08
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 田凌濤

1.一種同主題文本集合中多文本摘要獲取方法，其特征在于：初始化針對文本集合中所有文本進行任意排序，并結合各文本中各句子的順序，獲得文本集合中所有句子的排序；以及結合各句子中各特征項的順序，獲得文本集合對應所有句子中所有特征項的順序，然后執行如下步驟：

步驟A.根據如下公式：

獲得文本集合中各句子的權重W_i；其中，f_i表示文本集合對應所有句子中第i個句子在其所在文本中的頻數；N表示文本集合中文本的數量；以及獲得文本集合對應所有句子中各特征項的權重Q_j，然后進入步驟B；其中，i∈{1、…、I}，I表示文本集合中所有句子的總數，j∈{1、…、J}，J表示文本集合對應所有句子中所有特征項的總數；

步驟B.根據文本集合中各句子權重W_i，以及文本集合對應所有句子中各特征項權重Q_j，獲得各句子分別與各特征項之間的相似度S_ij，并按如下公式：

構建文本向量矩陣S(i,j)，然后進入步驟C；

步驟C.根據文本向量矩陣中各句子分別與各特征項之間的相似度S_ij，分別獲得文本集合中兩兩句子之間的距離，構建文本集合中所有句子對應的距離矩陣R(i,i')，并進一步獲得文本集合中各個句子的空間坐標，然后進入步驟D；其中，i'∈{1、…、I}；

步驟D.根據距離矩陣R(i,i')，引入句子密度排序方法，獲得文本集合中所有句子所對應聚類中心的數量P，然后進入步驟E；

步驟E.根據文本集合中所有句子所對應聚類中心的數量P，針對文本集合中的所有句子進行聚類，獲得P個子主題文檔集合，然后進入步驟F；

步驟F.根據預設摘要句子總數，針對P個子主題文檔集合，采用卷積神經網絡進行處理，獲得文本集合中多文本所對應的摘要。

2.根據權利要求1所述一種同主題文本集合中多文本摘要獲取方法，其特征在于，所述步驟A中，根據如下公式：

Q_j＝log₁₀(1+f(t_j))×log₁₀(I/I_j)

獲得文本集合對應所有句子中各特征項的權重Q_j；其中，f(t_j)表示文本集合對應所有句子所有特征項中第j個特征項在其所在句子中的頻數，I_j表示文本集合對應所有句子中包含第j個特征項的句子的數量。

3.根據權利要求1所述一種同主題文本集合中多文本摘要獲取方法，其特征在于，所述步驟C中，根據文本向量矩陣中各句子分別與各特征項之間的相似度S_ij，分別獲得文本集合中兩兩句子之間的距離，并根據如下公式：

構建文本集合中所有句子對應的距離矩陣R(i,i')。

4.根據權利要求1所述一種同主題文本集合中多文本摘要獲取方法，其特征在于，所述步驟D包括如下步驟：

步驟D1.獲得距離矩陣R(i,i')中所有兩兩句子之間距離的平均值k₁，然后進入步驟D2；

步驟D2.分別針對文本集合中的各個句子，以句子的空間坐標為圓心，k₁為半徑，構建該句子所對應的圓形，并獲得位于該圓形范圍內句子的數量，作為該句子所對應的文本密度，進而獲得文本集合中各個句子分別所對應的文本密度，然后進入步驟D3；

步驟D3.針對文本集合中的所有句子、按所對應文本密度由大至小的順序進行排序，并基于排序，將對應相同文本密度的各個句子劃分為一個集合，即獲得按文本密度由大至小順序所排序的各個句子集合，然后初始化l＝1，并進入步驟D4；

步驟D4.按文本密度由大至小順序，由第l個句子集合中任選一個句子，作為一個凝聚點，并針對l的值進行加1更新，然后進入步驟D5；

步驟D5.判斷l是否大于L，是則進入步驟D7；否則進入步驟D6；L表示基于相同文本密度各個句子劃分為一個集合操作后所獲句子集合的數量；

步驟D6.按文本密度由大至小順序，由第l個句子集合中任選一個句子，并判斷該句子分別與已獲得各凝聚點的之間的距離是否均大于2k₁，是則將該句子作為一個凝聚點，否則針對l的值進行加1更新，并返回步驟D5；

步驟D7.統計所獲凝聚點的數量，即獲得文本集合中所有句子所對應聚類中心的數量P。