中文文檔自動(dòng)摘要技術(shù).pdf

1、現(xiàn)代社會(huì)是一個(gè)信息社會(huì)，隨著計(jì)算機(jī)的普及以及互聯(lián)網(wǎng)的迅猛發(fā)展，每天都有大量信息以電子文檔的形式出現(xiàn)在人們面前。如何在海量信息中搜尋所需要的信息、獲取信息的主旨，如何快速閱讀每天涌現(xiàn)出來的新信息，已經(jīng)是一個(gè)迫在眉睫的問題。實(shí)際上，人們根本無法通過閱讀所有的電子資料來獲得他們需要的信息，迫切需要信息壓縮精選工具來對(duì)大量信息進(jìn)行提煉、濃縮，而自動(dòng)摘要技術(shù)正是解決這一難題的有力工具之一。 自動(dòng)摘要是自然語言處理領(lǐng)域的一項(xiàng)重要的研究?jī)?nèi)容

2、，其研究目的是探索人類從自然評(píng)議篇章中獲取信息，提煉信息的思維機(jī)制，并在此基礎(chǔ)上開發(fā)出能夠自動(dòng)編寫文檔摘要的軟件，從而提高信息檢索、傳播的效率。自動(dòng)摘要具有以下特點(diǎn)：(1)自動(dòng)文摘應(yīng)能將原文的主題思想或中心內(nèi)容自動(dòng)提取出來。(2)文摘應(yīng)具有概況性、客觀性、可理解性和可讀性。(3)可適用于任意領(lǐng)域。因此自動(dòng)摘要技術(shù)和信息提取技術(shù)還有一定方面的區(qū)別，它沒有預(yù)先規(guī)定目標(biāo)的特性，需要對(duì)多種多樣的內(nèi)容進(jìn)行分析和處理。 所謂自動(dòng)摘要就是

3、利用計(jì)算機(jī)自動(dòng)地從原始文獻(xiàn)中提取文摘，文摘是可以準(zhǔn)確全面地反映某一文獻(xiàn)中心內(nèi)容的簡(jiǎn)潔連貫的短文?，F(xiàn)有的自動(dòng)摘要方法概括為自動(dòng)摘錄、基于理解的自動(dòng)文摘、信息抽取和基于結(jié)構(gòu)的自動(dòng)文摘等四種主要的自動(dòng)摘要方法。 本文設(shè)計(jì)的中文自動(dòng)摘要系統(tǒng)采用自動(dòng)摘錄原文中旬子生或摘錄性摘要的方法，它將文本視為句子的線性序列，將句子視為詞的線性序列。然后通過計(jì)算句子的權(quán)值，對(duì)原文中的所有句子按權(quán)值高低降序排列，權(quán)值最高的若干句子被確定為文摘句，然后將

4、所有文摘句按照它們?cè)谠闹械某霈F(xiàn)順序輸出。系統(tǒng)基于NET框架開發(fā)實(shí)現(xiàn)，使用了SQL Server 2000數(shù)據(jù)庫(kù)。該系統(tǒng)直接利用計(jì)算機(jī)進(jìn)行文章摘要的自動(dòng)生成，要實(shí)現(xiàn)的功能就是給定一個(gè)文檔后，經(jīng)過統(tǒng)計(jì)分析，給出文檔的摘要句并依照原文順序依次輸出。系統(tǒng)力求摘要句抓住原文的核心內(nèi)容，語句連貫，不遺漏主題。 系統(tǒng)主要分為文本預(yù)處理、分詞、統(tǒng)計(jì)分析、提取摘要、輸出摘要五個(gè)功能模塊，其中用到了分詞、權(quán)值計(jì)算等方面的相關(guān)算法?？紤]到實(shí)際使用