基于连续LexRank的多文本自动摘要优化算法研究

以挖掘性的自动摘要(TS)为研究对象,依赖于核心语句这一概念,在考虑现存相关研究成果的基础上,设计一种基于特征向量中心概念及连续LexRank、以图形表示的多文本自动摘要优化模型及算法。在此模型中,创建了一个基于内语句余弦相似度连接矩阵以实现语句的图形表示形式对应的邻接矩阵。为了验证算法的可行性与效率,设计了相关实验方案,并通过与现存算法执行效果进行实时比对。实验结果表明,提出的带阈值及基于连续LexRank的算法具有较高的效率。

基于DSC的多文本自动摘要

的目标是对给定的查询和多篇文本(文本集),创建一个简洁明了的摘要,要求该摘要能够表达这些文本的关键内容,同时和给定的查询相关.一个给定的文本集通常包含一些主题,而且每个主题由一类句子来表示,一个优秀的摘要应该要包含那些最重要的主题.如今大部分的方法是建立一个模型来计算句子得分,然后选择得分最高的部分句子来生成摘要.不同于这些方法,我们更加关注文本的主题而不是句子,把如何生成摘要的问题看成一个主题的发现,排序和表示的问题.我们首次引入dominant sets cluster(DSC)来发现主题,然后建立一个模型来对主题的重要性进行评估,最后兼顾代表性和无重复性来从各个主题中选择句子组成摘要.我们在DUC2005、2006、2007三年的标准数据集上进行了实验,最后的实验结果证明了该方法的有效性.