基于關系向量模型的句子相似度計算及自動文摘研究

1、廈門大學學位論文原創(chuàng)性聲明本人呈交的學位論文是本人在導師指導下，獨立完成的研究成果。本人在論文寫作中參考其他個人或集體已經發(fā)表的研究成果，均在文中以適當方式明確標明，并符合法律規(guī)范和《廈門大學研究生學術活動規(guī)范( 試行) 》。另外，該學位論文為( ) 課題( 組) 的研究成果，獲得( ) 課題( 組) 經費或實驗室的資助，在( ) 實驗室完成。( 請在以上括號內填寫課題或課題組負責人或實驗室名稱，未有此項聲明內容的，可以不作特別聲明。)

2、聲叭㈣：般7 勿c 夠年J ‘月／< 日摘要句子相似度計算在自然語言處理的各個領域占有很重要的地位，一些傳統(tǒng)的計算方法只考慮句子的詞形、句長、詞序等表面信息，并沒有考慮句子更深層次的語義信息，另一些考慮句子語義的方法在實用性上的表現不太理想。本文在空間向量模型的基礎上提出了一種同時考慮句子結構和語義信息的關系向量模型，這種模型考慮了組成句子的關鍵詞之間的搭配關系和關鍵詞的同義信息，這些信息反應了句子的局部結構成分以及各局部之問的關

3、聯關系，因此更能體現句子的結構和語義信息。以關系向量模型為核心，提出了基于關系向量模型的句子相似度計算方法。同時將該算法應用到網絡熱點新聞自動摘要生成算法中，排除文摘中意思相近的句子從而避免文摘的冗余。實驗表明，在考慮網絡新聞中的句子相似度時，與考慮詞序與語義的算法相比，關系向量模型算法不但提高了句子相似度計算的準確率，計算的時間復雜度也得到了降低。自動文摘研究如何利用計算機自動地從自然語言文本中提取摘要，摘要中應包含原文的核心內容或用

4、戶感興趣的內容，并以語意連貫的段落乃至篇章的形式輸出。當前，基于理解的文摘是在對全文理解的基礎上進行的，由于受到知識不足的限制，只能適用于某些較狹窄的領域?；诮y(tǒng)計的機械文摘根據文章的外在特征抽取原文中的部分句子作為摘要，當前的一些系統(tǒng)獲得了一定的實際應用，但是文摘的質量不太穩(wěn)定，缺乏句間的連貫性，有時存在摘要冗余。本文介紹了衍生于互聯網的熱詞概念，并在其基礎上提出了一種基于熱詞權重和句子特征的自動文摘系統(tǒng)。該系統(tǒng)首先根據熱詞詞典從文章

5、中獲取熱詞，對熱詞的長度、頻率、熱度屬性進行歸一化處理。然后，對于組成文章的每一個句子，按文中提出的擬合函數計算句子的權重。同時，為利用標題中的有效信息，文中提出了一種標題類型的判斷方法，并根據判斷結果進一步修改句子的權重。在文章中所有句子權重處理完畢后，按權重值從高到低選擇句子組成文章的粗文摘，直到粗文摘長度達到預先設定的值。最后，對粗文摘進行了指代和冗余消除，并按句子在原文中的順序依次輸出構成最終文摘。網絡文章的自動摘要實驗結果表明