基于本體的BLOG文檔自動摘要關鍵技術研究與實現(xiàn).pdf

1、隨著Web 2.0的發(fā)展,眾多基于Web 2.0的應用應運而生,BLOG(博客)就是主要代表之一。隨著BLOG數(shù)據(jù)的急劇增加,用戶如何才能快速有效地獲取和利用這些資源,已經成為迫切需要解決的一個問題,而自動摘要是目前解決這一難題的關鍵技術。作者研究了BLOG文檔自動摘要技術,在借鑒現(xiàn)有文檔自動摘要技術和本體技術的基礎上,提出了基于本體的BLOG文檔自動摘要解決方案。本文的關鍵研究內容概括如下:利用Agent的自治能力和合作能力,本文將本

2、體技術和文檔自動摘要技術結合起來,提出了基于本體的BLOG文檔自動摘要系統(tǒng)架構O-BSSA,用于指導BLOG文檔自動摘要的生成。該架構采用Multi-Agent結構,實現(xiàn)了BLOG文檔的采集、預處理、建模、主題結構分析、自動摘要等功能,具有高并行性、高可靠性和高可擴展性。在系統(tǒng)架構O-BSSA的指導下,本文對BLOG文檔自動摘要的核心技術,包括BLOG文檔建模技術、主題結構分析技術以及自動摘要技術,進行了深入的研究。
　　在BLO

3、G文檔建模階段,本文提出了基于BLOG特征的關鍵詞權重計算方法。該方法以傳統(tǒng)的關鍵詞權重計算方法TF*IDF為基礎,綜合考慮了BLOG文檔的結構特征、標簽特征和評論特征,使得該關鍵詞權重計算方法更適用于BLOG文檔這種新的信息發(fā)布模式。在此基礎上,本文采用應用廣泛的向量空間模型(VSM)表示BLOG文檔的空間信息,采用潛語義分析方法提取BLOG文檔特征項,實現(xiàn)了BLOG文檔建模。在BLOG文檔主題結構分析階段,本文利用BLOG本體定義的

4、同義詞和概念的上下位關系進行語義歸結,構建主題段落的概念層次樹,以概念統(tǒng)計代替關鍵詞統(tǒng)計進行主題概念的提取,分析BLOG文檔的主題結構。該方法借鑒了傳統(tǒng)的基于相似度的結構分析方法,又充分利用了本體的概念語義描述能力。在BLOG文檔摘要生成階段,本文通過加權的方法來體現(xiàn)句子中包含的特征項的重要性、句子所在段落的重要性和段落所在主題的重要性等因素對句子權重的影響,計算句子的重要性。在摘要句選擇時,本文根據(jù)句子的權重,按照摘要壓縮比選擇各個主