2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩109頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著互聯(lián)網(wǎng)的發(fā)展,人們在獲得有效信息的同時,也被越來越多的冗余信息所困擾。因此迫切需要一個幫助人們快速瀏覽工具,該工具通過對相似文檔集合的加工整理,將這些文檔的重要的、全面的信息直接提供給用戶,從而提高了人們獲取信息的效率。因此多文檔文摘的研究逐漸成為研究的熱點。 多文檔文摘是一種文本壓縮技術(shù),它將同一主題的文檔進行匯總和整理,將多文檔集合中的多次重復(fù)信息以一次出現(xiàn)在文摘中,其他與主題相關(guān)的信息根據(jù)重要性及壓縮比依次進行抽取。

2、 本論文通過對多文檔集合的分析,打破由同一主題獨立文本組成多文檔集合的物理結(jié)構(gòu),通過將意義相同的句子組合在一起,建立多文檔集合的子主題結(jié)構(gòu),在此基礎(chǔ)上進行文摘句的抽取和排序工作。與傳統(tǒng)的方法相比,具有以下優(yōu)點:多文檔集合以子主題的形式表示,使文摘內(nèi)容具有更好的平衡性;對子主題進行比較和排序,按壓縮比進行文摘句的優(yōu)化抽取,將重要信息抽取出來,使得到的多文檔文摘包含的信息簡潔全面;多文檔集合子主題形式的提出為多文檔文摘的深入研究奠定基

3、礎(chǔ)。本論文著重對以下問題進行了研究: 1、對句子相似度計算進行深入研究,提出了多特征融合的句子相似度計算方法。句子相似度計算是多文檔文摘的基礎(chǔ),本文首先根據(jù)句子不同特征分別計算句子的相似度,在此基礎(chǔ)上,將這些特征進行融合,可以更準(zhǔn)確的刻畫句子之間相似度,為下一步工作奠定基礎(chǔ)。 2、提出了根據(jù)閾值自動確定多文檔集合子主題的方法。在句子相似度計算的基礎(chǔ)上,將相似的句子合并為一個類,每類代表一個子主題。在閾值的訓(xùn)練以及聚類的方

4、法上,分別對基于半偏相關(guān)系數(shù)為閾值的層次聚類和基于類間最小距離閾值的層次聚類進行研究,同時根據(jù)多文檔集合相似度分布曲線,提出了描述多文檔集合的泊松分布模型。 3、提出了句子的優(yōu)化選擇方法。為了保證文摘在有限的空間要求下,盡可能覆蓋重要全面的信息,將文摘句的抽取過程分解為子主題的排序以及子主題內(nèi)的句子的優(yōu)化選擇兩個階段。文中給出了子主題打分和排序方法,最后以信息覆蓋率為優(yōu)化目標(biāo),對子主題內(nèi)句子優(yōu)化選擇。 4、提出了多文檔文

5、摘中文摘句的排序策略及流利度評價方法。為了使用戶正確理解原文的內(nèi)容,使生成的文摘具有較好的可讀性,需要對文摘句排序方法進行研究。本論文提出了幾種文摘句的排序方法,同時給出了流利度自動評價方法,并將該方法與人工評價方法進行比較,最終確定合適的排序方法。 本論文提出了針對同一主題相同時間不同網(wǎng)源的文本集合的多文檔文摘方法,是對多文檔自動文摘初步探索,取得了一定的研究成果。多文檔文摘無論作為獨立的系統(tǒng)還是作為搜索引擎的一部分都將有廣泛

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論