DUC2006某一Topic内容分析

最近在做multi-document摘要，做实验之前先看看数据是怎样的。

随便选了一个D0602B，主题是“女运动的类固醇使用”，应该是关于禁用药品的。由于很好奇到底是怎么做多文本总结的，现在我列出里面每篇文章大概是讲啥的

1. APW19980812.0878：先是说两个专家证实了类固醇类药品很大可能会导致女运动员的肝脏损伤和面部长毛，然后说有个5个教练给年轻游泳运动员提供损伤身体的类固醇案件正在审理中。
2. APW19980818.0980：在庭审中5个教练的表现，有的完全不承认说知道这些药品有害，有的承认给年轻女运动员提供药品，但是不知道危害这么大。这5人最高可能会判3年
3. APW19990820.0030：有两名女游泳运动员被检查出了类固醇类药品阳性，被取消了金牌和铜牌，在那一周内又陆陆续续有人被检查出来吃了药。
4. APW20000718.0065：前德国的运动主席和其医疗主管被控给前德国女运动员提供违禁药品，前主席拒道歉，判了22个月，医疗主管道歉了，判了18个月。运动员们出现各种各样的问题，希望法院判重一些，但是法院认为她们的病症和违禁药品没有明显的关系，最后提了下前德国在女子游泳比赛的辉煌历史。
5. NYT19980812.0155：大概讲的是现在的很多比赛都有用药，一方面要在不断进化，检查的方式出来的速度跟不上药更新的速度，另一方面，一些比赛的药检很弱甚至根本不检查。最后举了例子说现在的小孩儿根本不担心用药的后果，然后说某著名的XX感谢最后终于摆脱了禁药上瘾。
6. NYT19980818.0449：某女性网球运动员听了朋友的劝告，在一家合法的要点买了些强身健体的药，然后药检的时候查处来有问题。后面就是吐槽现在类固醇类要不仅仅是在黑市卖了，正规药店也有卖，而且卖的时候不会告诉你里面的配方，导致运动员药检不过。
7. NYT19980922.0343：吐槽很多运动员从高中起就用药，没有运动员精神，很多国家和教练为了取得好成绩，也违规给运动员用药。有些运动员现在反应过来了，控告教练在她们不知情的情况下给她们药。最后吐槽了一下中国运动员的用药情况。
8. NYT19990126.0018：很多年轻运动员都在用类固醇禁药而不知道他们的危害。现在很多运动员在用肌肉素，目前没有案例说明它有害，但是还是有些高中不向运动员提供这货，让运动员自己决定买不买。最后吐槽下运动员都靠吃药，运动精神已经没了。
9. NYT19990201.0337：吐槽国际奥林匹克委员会不作为，行贿受贿，不重视禁药问题，花很多钱买了个NB机器，却检查不出来吃了药，总之就是吐槽奥组委的。
10. NYT19990419.0069：全篇讲一个女跑步运动员被怀疑服药，结果查了半年还在查，然后这个女运动员各种无辜，跑不成步了，和Nike的合约也没了。主题在于吐槽现有药检制度的不合理性
11. NYT19990419.0267：类固醇类药品可以给得了严重疾病的人使用，帮助他们增加重量，有人反对，说药品的乱用会导致小朋友们乱吃药。那些药品的确能帮人增重，但是吃多少是安全的，还没有定论。
12. NYT19990528.0026：讲的是一个广告，里面是用了类固醇类药品的人在展示他的肌肉，然后文章思考这种广告应不应该投放，会不会对青少年产生不好的影响。
13. NYT19990531.0171：越来越多的女青年在使用类固醇类药品来加强肌肉或健美，导致她们健康受损甚至不能生小孩，然后说了下这些药品的副作用，然后吐槽现在的女生有点倾向于健美的身材，也就是俗话说的女汉子
14. NYT19990911.0122：这篇感觉和其他都不一样，讲的是历史上重要的女运动员及其事迹。。
15. NYT20000205.0294：教练给女运动员吃禁药，女运动员身体受损，孩子畸形，时隔多年，教练被审，判刑。
16. NYT20000208.0235：哈佛发现某种运动员很爱吃的药对身体有害，现在很多教练都劝自己的孩子们别吃它了，奥委会在研究这个药是不是要列为禁药。
17. NYT20000906.0004：吐槽中国女运动员在奥运会中药检阳性，中国方面应对积极，因为要开08年奥运会，然后翻黄历，说中国最近有几起被查处来的吃药的例子。
18. NYT20000927.0026：目前很多运动员都使用类固醇类药品，文章举了很多被查出来的例子，然后说超过50名运动员没有过悉尼运动会的药检。
19. XIE19990217.0078：讲某个西班牙运动员被怀疑用药，要是被确认了，可能要禁赛2年。
20. XIE19990808.0196：某个女运动员因为查出吃药被禁赛了，有人希望宽容一些，让她继续参加比赛，不要在她的巅峰时期让她禁赛那么长。
21. XIE19990910.0186：。。。 打酱油的文章，谈的香港什么指数，估计是分错类了。
    
22. XIE19990917.0319：有两个人被查出药检阳性，相关部门催促赶紧办案。
23. XIE20000913.0219：悉尼奥运会开幕前有两人被查出药检阳性。
24. XIE20000920.0346：悉尼奥运会禁赛人员名单。
25. XIE20000930.0294：俄罗斯400米跑运动员药检阳性。
    

可以看出，25篇文章大致都是关于悉尼运动会运动员禁药问题的。除了那个奇葩的21酱油文章。现在我们看看DUC06的5个人工选手的摘要是长啥样的。

A的摘要：

类固醇类药品自从1956年被发现在国际赛事上使用就一直被持续增加的使用。类固醇类药品被合理的用于某些疾病，能够帮助人们增多肌肉，力量，忍耐力，被男女运动员所使用。女性运动相对于男性运动更新，国家在女性运动上的进展比男性更快（根据上下文，应该是女性运动刚刚兴起，给她们用药能很快提高成绩）。因为有奖学金的诱惑和专业的风险，越来越多的女性愿意承担风险。8-12年级的女孩服用类固醇类药品的比例从1996年到1998年增加了100%。在1990年，它们（指药品）在国际比赛中被滥用，很多各个国家的女运动员在各个比赛中都有使用。类固醇类药品增加体内的睾丸素，这些能对女运动员产生很大影响，因为她们体内的睾丸素含量很少。但是呢，服用药物有许多副作用，包括肝脏损伤，面毛增多，改变声音，粉刺，不育，喉结变大，子宫萎缩，妇科病，胆固醇增多，具有很强的侵略性和导致青少年长不高。胆固醇类药品的使用造成的物理有肝伤害，肾伤害，心脏伤害，可能有血液凝固的危险，心脏病危险。不正常的癌症，新生儿缺陷，沮丧也和类固醇类药品的服用有联系。现在的惩罚措施包括：禁赛，离队，罚款，失掉合同，丢失奖牌。那些给不知道内情的运动员提供类固醇类药品的教练和医生面临罚款和劳狱之灾。

B的摘要：

越来越多的女运动员在使用类固醇类药品。在女大学运动员中，估计有5%的游泳运动员，6%的篮球运动员，10%的田径运动员在使用类固醇类药品。使用人群中曾长最快的是青春期少女。新的类固醇类药品经常被说成是补药，女孩们不知道她们吃的是啥。一个年轻网球运动员在服用一种“纯天然”的补品后被测试为药检阳性，并查出含有一种类固醇类药品的变种。一美国前场地教练相信至少40%的在首尔比赛的美国女运动员在某个时刻有服用类固醇类药品。因为女性运动员天生少睾丸素，类固醇类药品对她们能产生神奇的效果，能提升到她们10倍水平。带来的健康问题会很严重，包括肝损伤和肝癌，胆固醇增多，心脏病，中风，不发育，暴力倾向，情绪低落，声音变粗，面毛增多，粉刺等。许多前德国女运动员在她和她们父母不知情的情况下服用了类固醇类药品，经历了恐怖的副作用。被检验出药检阳性的包括一个保加利亚三级跳运动员，罗马铁饼运动员，一个俄罗斯跑步的...，中国台北两个举重的。一些中国运动员被测出阳性，包括几个游泳运动员。奥委会对那些违禁人员判处2月到众生禁赛。

D的摘要：

最著名的女性运动员用药事件是1974年至1989年东德奥委会有组织的用药。在德国统一后东德的官员和教练被起诉乱用药。中国和前苏联的用药也是政府行为。类固醇类药品被教练或个人使用，尤其是被专业人士使用在全世界范围内的女运动员身上很常见。在1999年，美国少女成为用药增长最快的人群。研究表明高中13%的运动员2.6%的初中女运动员有用过药。这些药品的副作用有：嗓音变坏，严重的痤疮，面毛增长过快，失落，暴力倾向。有些女性不育，有些女性生了畸形儿。副作用还包括心脏病，肝脏损伤，包括癌症和早产儿死亡。东德承认，靠这些药，东德从1972年的20块奖牌上升到了1976年的40块奖牌。大量复杂的测试被用于检测运动员是否用药。如果被抓到了，运动员个人甚至有时他所在的队伍将被禁赛，甚至终生禁赛。为了防止被检测出来，新的药物不断被研发，并贴上营养品的标签。有些国家为了防止国际丑闻而监视自己的队伍。在1999年，测试的保质性和严肃性被严肃检查。

J的摘要：

类固醇类药品第一次影响世界记录是在1956年俄罗斯的奥运会队伍。效果增强的类固醇类药品对男女都有效果。在90年代晚期，xx估计女性运动员中，5%游泳的，6%篮球的，10%田径运动的用了类固醇类药。xx部门在一个调查中报告2.4%的高校女学生承认使用了类固醇类药品，男性有4.9%。xx估计98年8012年级的女生中有1%的承认使用类固醇类药品。99年的报告说500，000个少年，175，000年轻女孩，325，000个年轻男孩承认使用了类固醇类药品，比91年增长了100%。类固醇类药品的时候具有很多风险。它们用于产生睾丸素或刺激它的产生。睾丸素是一种男性荷尔蒙，用于刺激骨骼肌肉的增长。但是，这种增长会损害肝脏，肾脏和心脏。用了药的女性会产生男性特征，入面毛增多，声音变化，还可能导致不育。还可能导致肝癌，心脏病和具有侵略性。有些副作用会潜伏很久，如生畸形儿。

几个现象：

1. 人工作为评测标准的那个集合，也就是A-J标注的摘要不是从文章中抽出来的，而是人工总结的。
2. 有些词即使句子里面有，人工也会给你变形，如8-12就变成了8 through 12。
3. 感觉里面很多的人物对话和某某人的例子根本没用，有用的都是陈述句。
4. 有分错类的文档，如上面的21。
5. 文章的跨度也不是特别大，但是感觉只要和topic那个文件里面的单词密切相关的句子都挺有用的（意味着我们是不是可以用topic里面的信息）
6. 虽然有每篇文章的时间，但由于不是某个连续发生事件的摘要（如李某某从小到大的劣行），所以感觉基本没用
7. XIE开头的文章都比较短，而且里面没啥对话内容，都是干货，感觉会有用。

接下来我会绘制摘要出现的位置的分布图，来看看是不是和我猜想的一样，也就是文章的前半段起的作用比后半段大的多。