文献

J-GLOBAL ID：201702247392239917   整理番号：17A0263139

セマンティクス特徴を融合したマルチ文書自動要約アルゴリズムの研究【JST・京大機械翻訳】

Research on Multi-Document Summarization Merging the Sentential Semantic Features

著者 (5件)： Luo Shenlin (School of Information and Electronics,Beijing Institute of Technology) ,  Bai Jianmin (School of Information and Electronics,Beijing Institute of Technology) ,  Pan Limin (School of Information and Electronics,Beijing Institute of Technology) ,  Han Lei (School of Information and Electronics,Beijing Institute of Technology) ,  Meng Qiang (School of Information and Electronics,Beijing Institute of Technology)
資料名： Beijing Ligong Daxue Xuebao  (Beijing Ligong Daxue Xuebao)
巻： 36  号： 10  ページ： 1059-1064  発行年： 2016年 
JST資料番号： W0652A  ISSN： 1001-0645  CODEN： BLXUEV  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： マルチ文書自動要約研究は自然言語処理分野における重要な問題の一つであり、抽出された要約をより多くの文書の主題を表現できるようにするため、本論文では、サブ主題の分割に基づき、セマンティクスの特徴を融合した文の最適化選択方法を提案した。この方法はセマンティクス構造モデルに基づき、セマンティクス構造中の話題、述語などの特徴を抽出し、統計特徴に基づいて特徴ベクトルを計算し、文の重みを計算し、最後に総合加重重と最大エッジ相関を結合した方法を用いて要約を抽出する。異なる主題のテキストセットを選択して実験と評価を行い、要約の圧縮比が15%の場合、システムの要約の平均精度は66.7%に達し、平均再現率は65.5%に達した。実験結果は,セマンティクス特性の導入が効果的にマルチドキュメント要約の効果を向上させることができることを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  圧縮比 ,  自然言語処理 ,  *意味論 ,  最適化
準シソーラス用語： 再現率 ,  加重 ,  特徴ベクトル ,  述語 ,  構造モデル ,  選択法 ,  *自動抄録法 , 【Automatic Indexing@JST】

著者キーワード (4件)： multi-document summarization ,  sentential semantic model ,  sentential semantic feature ,  natural language processing

分類 (2件)： 情報加工一般  (AC05010A) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： セマンティクス ,  融合 ,  マルチ ,  文書 ,  自動要約 ,  アルゴリズム ,  研究