基于引文的英文文檔文摘自動生成方法研究.pdf

1、對于一名科研工作者而言，快速進入一個新的研究領域是痛苦的，因為這需要閱讀大量相關的已有文獻。一個快速高效的辦法是閱讀該領域的文獻綜述，從這類文章中可以快速了解該領域的歷史背景、研究現(xiàn)狀和未來趨勢。但優(yōu)秀的文獻綜述數(shù)量較少，并非在各個領域各個方向都能找到，其原因是一篇優(yōu)秀的文獻綜述一定是出自該領域的一位資深研究者之筆，并且費時費力。所以近年來，越來越多的學者開始研究自動文獻綜述系統(tǒng)，只需要用戶輸入其感興趣的研究領域，系統(tǒng)便能生成一篇該領域

2、的文獻綜述。作為這項研究的重要內(nèi)容之一，如何為單篇文章自動生成摘要自然也得到了學術界的高度重視。有研究表明，在引用同一篇文章時，不同的作者往往會關注不同的方面，因此，對一篇文章的引文集合進行合理分析，就可以知道這篇文章做了什么工作，有哪些貢獻，以及對其研究領域產(chǎn)生了怎樣的影響。本文首先了介紹了一種已有的使用引文進行自動文摘的方法，通過對該方法進行分析，針對其存在的一些缺點和不足，提出了一種改進的方法，改進主要體現(xiàn)在：
　　1.在生

3、成的摘要中加入比較信息。在原方法生成的摘要中，僅包含貢獻信息，即描述目標文獻所做工作或所取得成果的信息，但忽略了施引文獻中蘊含的比較信息，即描述自己工作和已有工作之間有意義的不同之處的信息，通過收集并分析比較信息，便可以把握一個研究領域的發(fā)展脈絡，對文獻綜述自動生成意義重大，因此，在本文提出的方法中，將比較信息加入到了生成的摘要中。
　　2.使生成的摘要包含更多更重要的貢獻信息。在原方法生成的摘要中，包含貢獻信息的多少及包含貢獻信

4、息的重要程度直接取決于聚類是否精確。本文使用與原文不同的聚類方法，提高了聚類的精確度，從而使生成的摘要包含更多更重要的貢獻信息。
　　3.使用更加準確的引文權(quán)重計算方法。原方法中，在得到聚類結(jié)果后，需要從每個類中抽取最具代表性的引文來組成摘要，因此需要計算引文的權(quán)重，原文在計算權(quán)重時只考慮了引文之間的文本相似性，在此基礎上，本文還綜合考慮了施引文獻的被引數(shù)和施引文獻通訊作者的影響因子，從而使權(quán)重的計算更加全面。
　　4.使用