基于統(tǒng)計模型的文本分割方法及其改進(jìn).pdf

1、文本分割是信息檢索和多文檔技術(shù)中的一個重要的處理步驟。通常一篇文本是由多個主題構(gòu)成的，文本分割的主要任務(wù)是通過對文檔結(jié)構(gòu)的分析，識別出文本中不同主題之間的邊界，將文本分割成多個主題段落，每一個主題段落描述一個單獨(dú)的主題。
　　本文在對已有的主題分割方法及詞匯相似性度量概括總結(jié)的基礎(chǔ)上，探討了Masao Utiyama和Hitoshi Isahar等人提出的概率統(tǒng)計模型，該模型基于貝葉斯公式以及主題分割中的詞匯集聚思想，定義了一段文

2、本描述同一個主題的概率計算公式，作為確定分割點(diǎn)的標(biāo)準(zhǔn)，并且在確定分割邊界時將待分割文本抽象為一個帶權(quán)有向圖，使用動態(tài)規(guī)劃算法求解該圖中頭節(jié)點(diǎn)到尾節(jié)點(diǎn)的最短路徑以確定文本的最大概率分割，取得了較高的準(zhǔn)確率。
　　本文在Masao&Hitoshi概率模型的基礎(chǔ)上提出了文本分割的一點(diǎn)改進(jìn)策略。針對Masao&Hitoshi概率模型中只使用段內(nèi)相似度、沒有考慮段間不相似度的情況，我們模擬計算了段間不相似度;針對Masao&Hitoshi概

3、率模型在定義中沒有充分考慮最終分段長度對概率影響的情況，我們基于在文本預(yù)處理時確定的主題段落的范圍，定義了分段函數(shù);針對同一主題內(nèi)詞匯可能比較分散難于確定邊界的情況，我們通過在Masao&Hitoshi概率模型對應(yīng)項中添加權(quán)值的方法來擴(kuò)大詞匯分散或集中的效果。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的概率模型在一定程度上提高了分割的準(zhǔn)確率。
　　Masao&Hitoshi模型在確定分割邊界時使用了動態(tài)規(guī)劃算法，該方法不需要在計算前人為地設(shè)定先驗(yàn)參數(shù)。