多文档自动摘要方法的进展研究

发布时间：2020-02-02 15:10

【摘要】：【目的/意义】多文档自动摘要技术的目的是从一组文档中精炼出重要信息摘要,减轻用户从文档中获取与理解信息的负担,是自然语言理解领域的重要研究方向之一。【方法/过程】本文提取十五年内的多文档自动摘要研究文献并筛选出至少50篇关键影响文章,梳理多文档自动摘要的概念与研究进展,揭示了最新的技术实现与实践情况。【结果/结论】基于不同技术方法对单词、句子或段落作为主要数据处理对象,找出多文档自动摘要的技术特征与难点,明确该领域的发展趋势,为未来的研究奠定了基础。
【图文】：

自动摘要,多文档

文而被分为抽取式（Extractive）摘要和抽象式（Abstractive）摘要。抽取式摘要主要将原文档的语句进行重要性评估，再从中选取重点语句形成摘要。抽象式摘要主要从原文档中提取单词信息，然后组织单词串联语句形成摘要。图1多文档自动摘要研究框架多文档自动摘要技术的研究框架主要分成四个阶段（如图1所示），分别为数据选娶信息处理、形成摘要和摘要评估。多文档自动摘要研究首要考虑数据选取的问题，不同数据形态将影响算法的思路与评估方式，依据写作方式的不同可将目前研究的文档数据分成正式形态与非正式形态，主要区别在于语法语句的口语化程度。信息处理阶段包括预处理和提取特征信息，其主要目的是从文章中提取关键信息或单词，并且去除噪声。形成摘要阶段根据抽象式摘要和抽取式摘要分为生成语句筛选语句。生成语句通过前一阶段所获取的关键信息进行组织并生成语句，而筛选语句则根据句子特征、知识本体和句间关系从文档中选取语句。语句排序独立于二者，是有了摘要语句之后，将其按照一定的标准进行赋分，从而重新排序。最后，摘要评估阶段通过语料参照或自主评估两类方法对形成的摘要结果进行评估。本文将对研究框架的每个阶段按照如上顺序进行阐释与总结。1数据选取在选择输入数据的阶段，目前多文档自动摘要的研究主要利用特定领域的语料数据进行实证分析，数据可分成正式形态和非正式形态。正式形态文档具有完整的写作结构和正式书面用词的特性，例如学术文章和新闻稿件。非正式形态文档则主要属于交谈式、口语用语较多的会话数据，包含大量的缩写、简写等非书面用语，例如电子邮件。两类形态主要有三个区别：（1）非正式文档用语多含非书面用语，这可能对信息处理阶段的去除停用词造成影响；（2

自动摘要,多文档

文而被分为抽取式（Extractive）摘要和抽象式（Abstractive）摘要。抽取式摘要主要将原文档的语句进行重要性评估，再从中选取重点语句形成摘要。抽象式摘要主要从原文档中提取单词信息，然后组织单词串联语句形成摘要。图1多文档自动摘要研究框架多文档自动摘要技术的研究框架主要分成四个阶段（如图1所示），分别为数据选娶信息处理、形成摘要和摘要评估。多文档自动摘要研究首要考虑数据选取的问题，不同数据形态将影响算法的思路与评估方式，依据写作方式的不同可将目前研究的文档数据分成正式形态与非正式形态，主要区别在于语法语句的口语化程度。信息处理阶段包括预处理和提取特征信息，其主要目的是从文章中提取关键信息或单词，并且去除噪声。形成摘要阶段根据抽象式摘要和抽取式摘要分为生成语句筛选语句。生成语句通过前一阶段所获取的关键信息进行组织并生成语句，而筛选语句则根据句子特征、知识本体和句间关系从文档中选取语句。语句排序独立于二者，是有了摘要语句之后，将其按照一定的标准进行赋分，从而重新排序。最后，摘要评估阶段通过语料参照或自主评估两类方法对形成的摘要结果进行评估。本文将对研究框架的每个阶段按照如上顺序进行阐释与总结。1数据选取在选择输入数据的阶段，目前多文档自动摘要的研究主要利用特定领域的语料数据进行实证分析，数据可分成正式形态和非正式形态。正式形态文档具有完整的写作结构和正式书面用词的特性，例如学术文章和新闻稿件。非正式形态文档则主要属于交谈式、口语用语较多的会话数据，，包含大量的缩写、简写等非书面用语，例如电子邮件。两类形态主要有三个区别：（1）非正式文档用语多含非书面用语，这可能对信息处理阶段的去除停用词造成影响；（2

【相似文献】