基于篇章主次关系的单文档抽取式摘要方法研究  

Single Document Extractive Summarization with Satellite and Nuclear Relations

作　　者：张迎 王中卿[1] 王红玲[1] ZHANG Ying;WANG Zhongqing;WANG Hongling(School of Computer Science and Technology,Soochow University,Suzhou ,Jiangsu 215006,China)

机构地区：[1]苏州大学计算机科学与技术学院

出　　处：《中文信息学报》2019年第8期67-76,共10页Journal of Chinese Information Processing

基　　金：国家自然科学基金(61806137,61702518,61836007,61702149,61402314);江苏省高等学校自然科学研究项目(18KJB520043)

摘　　要：抽取式自动文摘研究抽取文档中最能代表文档核心内容的句子作为摘要,篇章主次关系分析则是从篇章结构方面分析出篇章的主要内容和次要内容,因此,篇章主次关系分析和抽取式自动文摘存在较大关联,篇章主次关系可指导摘要的抽取。该文提出了一种基于篇章主次关系的单文档抽取式摘要方法,该方法基于神经网络模型构建了一个篇章主次关系和文本摘要联合学习的模型。该模型在考虑词组、短语等语义信息的基础上同时考虑了篇章的主次关系等结构信息,最终基于篇章内容的整体优化抽取出最能代表文档核心内容的句子作为摘要。实验结果表明,与当前主流的单文档抽取式摘要方法相比,该方法在ROUGE评价指标上有显著提高。The single document extractive summarization aims to extract the most relevant sentences to represent the core content of the document.To employ the satellite and nuclear relations which can represent the importance of sentences,this paper proposes a neural approach to jointly model the satellite and nuclear relations extraction and text summarization.This model considers the semantic and structural information of the text,and finally extracts the sentences with most relevant and importance to represent the core content of the document as summary.The experimental results show that the method has a significant improvement in the ROUGE evaluation index compared with the current mainstream single document extractive summarization methods.

关 键 词：抽取式摘要 主次关系 神经网络 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]