基于互增强关系的自动文摘句子加权方法

针对自动文摘处理,提出一种新颖的自动文摘句子加权方法.该方法采用基于互增强关系(MRP)的迭代算法模拟句子和词之间的循环加权关系,计算句子权重.实验结果表明,基于MRP的迭代算法收敛速度快;与传统的自动文摘方法和MS Word Summarizer相比,所提出的基于MRP的句子加权方法可以使自动文摘系统具有更好的性能.

基于段落-句子互增强的自动文摘算法

句子排序问题是文本自动摘要的核心问题,基于互增强关系(MRP)的基本思想,提出一种新的句子排序模型——段落-句子互增强模型。利用段落关系,通过段落句子的互增强,迭代计算出句子的显著度,抽取出文摘句。分析了模型中的内、外影响因子对算法效果的影响并对冗余处理进行了讨论。实验表明,将其运用在单文本自动摘要中,能取得高质量的文摘。

基于词、句、实体协同的关键实体抽取算法

关键实体是指单篇文档中较为重要、与文档主题关联度较大、可以概括文章主题的实体。关键实体的抽取可以帮助搜索引擎和问答系统去除无关实体,更加精准地匹配用户需求。目前已有的方法一般只考虑来自实体层次的同质影响关系,忽略了词、句等异质影响关系。因此提出Multi-Rank,一种词、句、实体协同的计算框架,利用词、实体、句子之间的互增强关系,迭代计算实体的重要度,并从理论上证明了迭代过程的收敛性。实验表明,相较于经典TextRank算法,该算法在准确率、召回率指标均上升了2%,提高了关键实体的抽取质量。