時序多文檔文摘相關(guān)技術(shù)研究.pdf

1、互聯(lián)網(wǎng)的發(fā)展產(chǎn)生了爆炸式增長的文本、圖像、音頻和視頻等多媒體信息。面對信息極大豐富，知識相對匱乏的時代，人們陷入一種咨訊焦慮的困境之中。而且隨著時間的不斷演化，相關(guān)的媒體信息也在逐漸地更新和進化。如何有效地獲取、組織信息逐漸成為信息處理領(lǐng)域的一大挑戰(zhàn)。本文以信息壓縮為目標(biāo)，著重研究文本壓縮技術(shù)。
　　時序多文檔文摘為自動文摘領(lǐng)域的新方向，是傳統(tǒng)靜態(tài)多文檔文摘的自然擴展，其處理的對象跨越了同一時段的相關(guān)文檔集，即處理跨時段的相關(guān)文檔

2、集。其主要目標(biāo)是按照一定的壓縮比從時序角度自動總結(jié)出系列新聞報道的內(nèi)容進化，以幫助人們快速獲取信息。伴隨著國際評測DUC2007、TAC2008的舉辦，相關(guān)的研究越來越受到政府、企業(yè)界和學(xué)術(shù)界的重視。時序多文檔文摘有著廣闊的應(yīng)用前景，可用于新聞搜索引擎、商業(yè)競爭情報分析、趨勢預(yù)測等領(lǐng)域，通過不斷滿足人們的需求，創(chuàng)造更大的社會價值。
　　本文的研究對象系列新聞報道本身具有比較突出的時序特性，可以認(rèn)為同一時段的靜態(tài)多文檔文摘是時序多文

3、檔文摘的一種特殊情況。因此，時序多文檔文摘的研究重點是如何在時序上下文的背景下解決傳統(tǒng)靜態(tài)多文檔文摘的內(nèi)容選擇和語言質(zhì)量控制兩大難題。前人的工作對時序信息考慮的比較少，本文著眼于識別時序特性并應(yīng)用其來深度挖掘時序多文檔文摘的抽取式內(nèi)容選擇方法，力圖保持文摘內(nèi)容的重要性、新穎性和覆蓋性，重點研究了以下問題：
　　1、識別時間表達式并進行歸一化。理解文本的語義是自然語言處理的終極目標(biāo)，而時序語義對于理解文本是不可或缺的。時間表達式識別

4、和歸一化是時序語義標(biāo)注的基礎(chǔ)。時間表達式識別與歸一化的研究為時序多文檔文摘的內(nèi)容選擇和語言質(zhì)量控制奠定了基礎(chǔ)，也可以為其它時序信息抽取應(yīng)用提供支撐。
　　2、基于宏微觀重要性判別模型的內(nèi)容選擇。本著逐步求精的原則，首先在假設(shè)系列新聞報道各時間片相互獨立的基礎(chǔ)上，通過分析其不斷演化的宏微觀時序進化特性，探索基于宏微觀重要性判別模型的時序多文檔文摘內(nèi)容選擇方法。
　　3、基于進化流形排序的話題相關(guān)內(nèi)容選擇。更進一步，系列新聞報道

5、在時間軸上是連續(xù)進化的，在假設(shè)當(dāng)前時間片的內(nèi)容進化依賴于以前時間片話題內(nèi)容的基礎(chǔ)上，研究話題描述的動態(tài)增強對表達用戶興趣不斷更新所帶來的信息需求的變化，對內(nèi)容選擇的影響。提出迭代反饋機制引導(dǎo)的進化流形排序算法，以模擬系列新聞報道中話題演化的動態(tài)性，為時序多文檔文摘的內(nèi)容選擇提供了時序自適應(yīng)的重要性排序。
　　4、譜聚類增強的話題相關(guān)內(nèi)容選擇優(yōu)化。在進化流形排序的基礎(chǔ)上，研究了通過歸一化譜聚類改進內(nèi)容選擇的覆蓋性，設(shè)計了時序去冗余策