基于引用聚類的多文檔自動文摘技術研究.pdf

1、互聯(lián)網的普及帶來了網絡電子期刊文獻的劇增，這給研究人員（尤其是初級研究人員）高效準確地從海量信息中挖掘所需要的信息帶來了巨大挑戰(zhàn)。因此，如何對領域知識進行自動概括以提高研究人員獲取信息的效率變得日益重要。多文檔自動文摘是自然語言處理中的一個重要研究課題，它可以實現(xiàn)對同一主題的多篇文獻的匯總和壓縮，通過提供一個簡潔、全面的文摘，來減少研究人員閱讀文獻的時間并避免信息超載的發(fā)生。
　　為了對研究人員所關心領域的相關文獻進行概述，本文在

2、現(xiàn)有的多文檔文摘技術的基礎之上，研究了基于引用聚類的多文檔自動文摘技術，著重在引用聚類和文摘生成的研究。
　　在引用聚類部分，基于向量空間模型，通過采用不同的文本表示方式和文本相似度計算方法，得到了引用聚類的六種聚類指標，即文獻摘要相似性指標、基于查詢的文獻摘要相似性指標、文獻引用上下文相似性指標、基于查詢的文獻引用上下文相似性指標、文獻共引互信息指標以及文獻共引位置臨近性得分指標。在此基礎上，根據(jù)文獻的引用位置與其主題間的相關性

3、特點，提出了一種基于引用位置距離的聚類評價方法，并基于該方法對六種聚類指標的聚類效果進行了比較。
　　引用聚類的目的是為了對與研究人員信息需求相關的多篇文獻按照主題的相似程度進行分組管理，為之后的研究做鋪墊。
　　在文摘生成部分，為了對主題簇中多篇文獻的主要內容進行濃縮、提煉，采用不同的多文檔文摘技術(LexRank、Query Sensitive LexRank、MMR以及LexRankMMR)，根據(jù)句子的重要程度，從每個