摘要: 本論文提出了兩種新的文件摘要方法來摘錄原始文件中的重要語句.第一個方法屬於以文件集為基礎的摘要技術(Corpus-based Approach),此方法基於統計模型,利用特徵的分析來計算語句重要性.我們提出三個新的想法:1) 利用語句位置重要性的分級以提高不同語句位置的重要性;2)利用詞彙相關程度(Word Co-occurrence)計算找出文件中的新詞,並將新詞加入關鍵詞重要性的計算,以得到更精確的關鍵詞權重特徵值;3) 利用基因演算法訓練計算語句權重的Score Function,以期了解訓練文件集的特性.第二個方法,我們結合潛在語意分析(Latent Semantic Analysis)與主題相關地圖(Text Relationship Map)的概念,用來擷取文件中的概念結構(Conceptual Structure)以期得到語意層面的分析.實驗中,我們收集100篇新台灣週刊中關於政治類的文章,並將上述的兩種方法應用於中文文件的摘要實驗上.效益評估結果顯示,我們所提的方法都有不錯的表現,在壓縮比為30%的情況下,平均來說,召回率分別為52.0%及45.6%.
参考文章(0)