互聯(lián)網(wǎng)文本自動文摘技術(shù)的研究.pdf

1、互聯(lián)網(wǎng)的不斷發(fā)展為用戶提供了豐富的信息,同時也促進(jìn)了信息處理技術(shù)地進(jìn)步。面對如此浩瀚的信息,人們需要尋找一條能夠快速、準(zhǔn)確獲得信息的途徑。信息檢索與自動文摘技術(shù)顯得非常重要,檢索技術(shù)可以讓人們有效地獲取所需信息,而文摘技術(shù)則可以節(jié)省用戶的時間,幫助他們提取主要信息,該技術(shù)有利于信息再處理。
　　本文的主要工作包括以下幾個方面:
　　第一,總結(jié)了文本自動文摘技術(shù)的研究現(xiàn)狀。針對互聯(lián)網(wǎng)文本,本文提出了網(wǎng)頁噪音過濾法和基于樹解析內(nèi)

2、容提取法。根據(jù)網(wǎng)頁頁面特征去除網(wǎng)頁中標(biāo)簽等無用信息,從而高效地去除與網(wǎng)頁中心內(nèi)容無關(guān)的垃圾信息,最終只保留網(wǎng)頁的中心內(nèi)容。
　　第二,在介紹和分析現(xiàn)有文本自動文摘技術(shù)的基礎(chǔ)上,實現(xiàn)了一個互聯(lián)網(wǎng)文本自動文摘系統(tǒng)。該系統(tǒng)由文本內(nèi)容提取模塊、預(yù)處理模塊、文本聚類模塊和文摘生成模塊四個部分組成。本文成功地將網(wǎng)頁噪音過濾法和基于樹解析內(nèi)容提取法應(yīng)用在文本內(nèi)容提取模塊中,從互聯(lián)網(wǎng)網(wǎng)頁中提取出所需要的文本內(nèi)容,然后進(jìn)行文摘的抽取和生成。