一种基于多句压缩的无监督科技情报摘要自动生成方法

摘要

本发明涉及一种基于多句压缩的无监督科技情报摘要自动生成方法，属于自然语言生成技术领域。针对科技情报领域的多文档文本生成，首先基于LDA主题相似度词库扩展方法的主题爬虫来获取源数据。通过文本信息的权威性、时效性、内容相关性三个指标的文本信息价值评估模型，对所有文本段落进行排序。选取得分较高段落的作为生成最终科技情报的原始文本。最后，采用基于谱聚类和多句压缩的无监督多文档摘要方法，自动生成科技情报摘要。本方法有效解决了在数据筛选过程中，科技情报生成对于数据时效性以及权威性要求较高的问题，以及科技情报领域由于数据集缺乏导致传统基于神经网络多文档生成方法无法应用的问题。