-
公开(公告)号：CN100412869C
公开(公告)日：2008-08-20
申请号：CN200610072588.7
申请日：2006-04-13
Applicant: 北大方正集团有限公司 , 北京大学 , 北京北大方正技术研究院有限公司
Abstract: 本发明涉及一种改进的基于文档子主题结构的文档相似性度量方法，属于语言的计算机处理和信息检索技术领域。针对传统相似性度量方法丢失了词语在文档各个部分的分布信息这个缺点以及利用最优匹配的基于文档子主题结构的方法只允许子主题之间一对一匹配的缺点。本发明所述的方法利用文档结构分析方法分别得到所述两个文档A和B的子主题结构，然后通过构建一个带权二部图G并根据求解线性规划的方法求解其货物运输距离EMD(A，B)，最后根据1-EMD(A，B)得到文档A和B之间的相似度值。本发明允许文档子主题之间在一定约束条件下进行多对多匹配，从而提高了文档相似性判断的准确度，同时，该方法具有更好的鲁棒性。
-
公开(公告)号：CN101187919A
公开(公告)日：2008-05-28
申请号：CN200610114590.6
申请日：2006-11-16
Applicant: 北大方正集团有限公司 , 北京大学 , 北京北大方正技术研究院有限公司
Abstract: 本发明涉及一种对文档集进行批量单文档摘要的方法及系统，属语言文字处理技术领域。现有几乎所有单文档自动摘要方法均只利用单篇文档自身的信息进行摘要。本发明所述方法能够对给定文档集中的所有文档批量生成单文档摘要。该方法首先对给定的文档集进行文档聚类，生成若干文档类簇，属于同一类簇的文档具有相似的主题。给定每个文档类簇，对于该类簇中的所有句子统一进行全局重要性评价，然后基于类簇中的每篇文档对句子进行文档内差异性惩罚，最后从该文档中挑选真正重要并且新颖的句子为该文档生成摘要。采用本发明所述的方法，改进了现有的基于图排列的单文档自动摘要方法，在实际评测中取得了比较好的效果，同时以批量生成的方式提高了摘要效率。
-
公开(公告)号：CN1959671A
公开(公告)日：2007-05-09
申请号：CN200510117412.4
申请日：2005-10-31
Applicant: 北大方正集团有限公司 , 北京北大方正技术研究院有限公司 , 北京大学
Abstract: 本发明公开了一种基于文档结构的文档相似性度量方法，涉及一种自然语言的处理方法。针对度量方法中丢失了词语在文档各个部分的分布信息，本发明提出的方法包括以下步骤：(1)对于需要比较的两个文档X和Y，分别使用文档结构分析方法找出每个文档的子主题序列；(2)利用相似性度量方法计算任意两个分别属于不同文档的子主题之间的相似度值；(3)对步骤(1)及步骤(2)得到的子主题序列及子主题之间的相似度值，建立一个带权二部图G＝{X，Y，E}；(4)对带权二部图G＝{X，Y，E}求解最优匹配，对最优匹配的总权值进行规范化处理，即得到文档X与Y的相似度值。本发明提出的方法，提高了文档相似性判断的准确度。
-
公开(公告)号：CN1828608A
公开(公告)日：2006-09-06
申请号：CN200610072586.8
申请日：2006-04-13
Applicant: 北大方正集团有限公司 , 北京大学 , 北京北大方正技术研究院有限公司
Abstract: 本发明涉及一种基于句子关系图的多文档摘要方法，属于语言文字处理技术领域。现有的多文档摘要方法中，没有采用有效的措施保持摘要中句子的新颖性，也没有区分句子之间不同类型的关系，只简单利用了句子的自身内容来计算句子之间的关系，没有考虑句子之间可扩散的特性。本发明所述的方法提出了一种完整的基于句子关系图的多文档摘要架构，利用句子关系的扩散特性计算句子之间的真实语义关系，同时，区别对待了文档内句子关系和文档间句子关系这两种不同的关系。采用本发明所述的方法，扩展了基于图结构的摘要方法，在抽取句子的过程中既考虑句子的信息丰富程度，又考虑其新颖程度，在实际评测中取得了很好的效果。
-
-
-
Search Results
64
records
(took 0.016 seconds)
