公开(公告)号：CN104216875B

公开(公告)日：2017-05-03

申请号：CN201410502810.7

申请日：2014-09-26

Applicant: 中国科学院自动化研究所

Inventor： 徐博 ,  吴玉芳 ,  张恒 ,  郝红卫 ,  刘成林

IPC: G06F17/27 ,  G06F17/30

Abstract: 一种基于非监督关键二元词串提取的微博文本自动摘要方法，包括：微博预处理；二元词串标准化；基于混合TF‑IDF、TextRank和LDA的关键二元词串提取；基于交集相似度和互信息策略的句子排序；基于相似度阈值的摘要句抽取；以及合理组合摘要句以生成摘要。本发明以二元词串作为最小词汇单元，而二元词串比词语具备更丰富的上下文信息，因此基于关键二元词串比基于关键词抽取的句子抗噪性更强，准确率更高。同时，提取摘要句时引入相似度阈值控制冗余，因此摘要具备更高的召回率。本方法生成的摘要准确、简洁、全面，显著提高了用户获取知识的效率和质量，节省了用户大量时间。

公开(公告)号：CN104216875A

公开(公告)日：2014-12-17

申请号：CN201410502810.7

申请日：2014-09-26

Applicant: 中国科学院自动化研究所

Inventor： 徐博 ,  吴玉芳 ,  张恒 ,  郝红卫 ,  刘成林

IPC: G06F17/27 ,  G06F17/30

Abstract: 一种基于非监督关键二元词串提取的微博文本自动摘要方法，包括：微博预处理；二元词串标准化；基于混合TF-IDF、TextRank和LDA的关键二元词串提取；基于交集相似度和互信息策略的句子排序；基于相似度阈值的摘要句抽取；以及合理组合摘要句以生成摘要。本发明以二元词串作为最小词汇单元，而二元词串比词语具备更丰富的上下文信息，因此基于关键二元词串比基于关键词抽取的句子抗噪性更强，准确率更高。同时，提取摘要句时引入相似度阈值控制冗余，因此摘要具备更高的召回率。本方法生成的摘要准确、简洁、全面，显著提高了用户获取知识的效率和质量，节省了用户大量时间。