面向科技領(lǐng)域的多文檔摘要與綜述報(bào)告自動(dòng)生成.pdf

1、多文檔自動(dòng)摘要是數(shù)據(jù)挖掘、信息檢索等領(lǐng)域非常亟需解決的問(wèn)題之一。目前，學(xué)術(shù)界對(duì)于多文檔自動(dòng)摘要的研究已經(jīng)取得了顯著的成果，提出了很多多文檔自動(dòng)摘要的算法。但是由于應(yīng)用的領(lǐng)域的不同，處理的數(shù)據(jù)的不同以及多文檔自動(dòng)摘要任務(wù)本身的復(fù)雜性，多文檔自動(dòng)摘要任務(wù)還存在著許多問(wèn)題，需要研究和解決。本文面向科技領(lǐng)域，首先基于本文提出的改進(jìn)的基于凝聚的層次聚類(lèi)算法進(jìn)行多文檔自動(dòng)摘要，然后利用本文提出的改進(jìn)的信息抽取算法對(duì)聚類(lèi)結(jié)果進(jìn)行了信息抽取，并依據(jù)結(jié)果

2、自動(dòng)生成綜述報(bào)告。
　　利用改進(jìn)的基于凝聚的層次聚類(lèi)的算法進(jìn)行多文檔自動(dòng)摘要，將多文檔摘要的任務(wù)轉(zhuǎn)化為文檔聚類(lèi)的任務(wù)，傳統(tǒng)的特征選取方法并不對(duì)詞區(qū)別對(duì)待，本文對(duì)特征選取方法進(jìn)行改進(jìn)提出了基于實(shí)體詞和專(zhuān)有名詞的特征選取方法，針對(duì)不同的特征選取方法進(jìn)行對(duì)比實(shí)驗(yàn)。由于基于傳統(tǒng)聚類(lèi)方法進(jìn)行多文檔摘要，通常采用余弦相似度，并沒(méi)有對(duì)學(xué)術(shù)文獻(xiàn)各部分區(qū)別對(duì)待，本文提出了基于多維度的相似度計(jì)算方法，對(duì)學(xué)術(shù)文獻(xiàn)各部分分別計(jì)算相似度并線(xiàn)性加權(quán)，并且將相

3、似度賦予不同的權(quán)值進(jìn)行累加整合作為文獻(xiàn)相似度，得到了更好的性能。在本文的聚類(lèi)過(guò)程中，提出一種改進(jìn)的基于凝聚的層次聚類(lèi)方法，較之于傳統(tǒng)的基于凝聚的層次聚類(lèi)方法，此算法要求簇之間距離更緊密，對(duì)于科技領(lǐng)域達(dá)到了更好的效果。
　　顯然，研究人員不滿(mǎn)足于了解學(xué)術(shù)文獻(xiàn)的聚類(lèi)劃分，更希望知道學(xué)術(shù)文獻(xiàn)的研究類(lèi)別，研究方法等信息?；谶@個(gè)需求，本文首先采用改進(jìn)的基于統(tǒng)計(jì)的信息抽取方法對(duì)研究類(lèi)別進(jìn)行信息抽取，并針對(duì)學(xué)術(shù)文獻(xiàn)各部分的重要程度不同，提出了