文本摘要技术调研

  /* 版权声明：可以任意转载，转载时请务必标明文章原始出处和作者信息 .*/ 

                    文本摘要技术调研

                          

                        CopyMiddle: 张俊林

                         TimeStamp:2010 年9 月  

一．文本摘要值得关注的几个方面

   1.主题覆盖率

        一篇新闻或者文摘往往会包含若干子主题，摘要应该能够覆盖所有这些子主题，至少应该包含主要的子主题； 

   2.冗余尽可能少

        摘要因为是要利用较少的句子来尽可能体现文章主旨信息，所以摘要句子之间的信息冗余应该尽可能小，这样可以满足用尽可能少的信息表达尽可能丰富的文章主旨信息；

   3.摘要流畅性强

       句子之间往往因为会包含代词等指代信息，所以应该避免阅读起来不流畅的问题。  

 

二．不同的摘要任务类型

   1. 抽取式VS合成式

       抽取式文摘：摘要的句子完全从文章正文中进行抽取而成 。基本思路是：按照一定因素给每个句子打分，然后根据句子得分排序，按比例输出得分高的句子作为摘要内容；常见做法是线性组合各种特征，各种特征的权值设定手工指定；

       合成式文摘：不是纯粹从文章中抽取句子，而是对文中的句子片段进行改写，然后进行拼接生成句子集合作为文摘结果；

      从目前研究看，绝大多数实际系统是抽取方式，合成方式目前还是不够成熟，只有少量研究型系统采取这种方法；

 

2. 单文档VS多文档[1,9]

    多文档摘要指的是给定主题相关的K篇文档，通过摘要能够体现这K篇文档的主题信息；

    多文档摘要与单文档摘要相比，有些需要特殊考虑之处，比如：