一种基于综合背景概念格的中文自动文摘方法

摘要

随着当前信息技术的发展以及Internet的普及，人们对诸如自动文摘这样的文本处理需求与日俱增。中文自动文摘研究起步较晚，加上中文自身的特点导致中文自动文摘技术成熟还尚需时日。
　　 本文首先总结、分析了自动文摘的国内外研究现状，在此基础上，提出了一种基于概念格理论实现中文自动文摘的方法，建立了自动文摘系统框架CBCL-TAS，重点阐述了基于文本实时分割的无词典抓词算法、中文特征提取方法及文本概念格建立算法，并在实验基础上对基于该方法构造的自动文摘系统进行了评价。本文提出的自动文摘方法利用综合文本背景建立与全文对应的概念“骨架”，将对自然语言的理解转换为对文本形式背景的理解，避免了复杂的语法语义、语句相似度计算、语句联系度计算等处理。对较大规模的文本进行抓词首先需要对文本进行分割，本文提出的抓词算法动态调整文本分割段的大小，与传统的固定分割式算法相比，对于50万字以上的较大文本具有更高的处理效率。
　　 实验结果表明，CBCL-TAS系统生成的中文文摘质量良好，尤其对于议论型体裁的文本，准确率较高。由于采用了实时分割式的抓词处理，避免了系统受到文本规模变化的影响，整体处理速度保持在较高水平。