欢迎您！东篱公司
退出
-
申报数据库
-
立项数据库
-
成果数据库
-
项目获奖数据库
中文摘要：
SBGA系统将多文档自动摘要过程视为一个从源文档集中抽取句子的组合优化过程，并用演化算法来求得近似最优解。与基于聚类的句子抽取方法相比，基于演化算法进行句子抽取的方法是面向摘要整体的，因此能获得更好的近似最优摘要。演化算法的评价函数中考虑了衡量摘要的4个标准：长度符合用户要求、信息覆盖率高、更多地保留原文传递的重要信息、无冗余。另外，为了提高词频计算的精度，SBGA采用了一种改进的词频计算方法TFS，将加权后词的同义词频率加到了原词频中。在DUC2004测试数据集上的实验结果表明，基于演化算法进行句子抽取的方法有很好的性能，其ROUGE-1分值比DUC2004最优参赛系统仅低0．55％。改进的词频计算方法TFS对提高文档质量也起到了良好的作用。
英文摘要：
The multi-document summarizer using genetic algorithm-based sentence extraction （SBGA） regards summarization process as an optimization problem where the optimal summary is chosen among a set of summaries formed by the conjunction of the original articles sentences. To solve the NP hard optimization problem, SBGA adopts genetic algorithm, which can choose the optimal summary on global aspect, The evaluation function employs four features according to the criteria of a good summary ： satisfied length, high coverage, high informativeness and low redundancy, To improve the accuracy of term frequency, SBGA employs a new method TFS, which takes word sense into account while calculating term frequency. The experiments on the data in DUC04 show that our strategy is effective and the ROUGE-1 score is only 0. 55% lower than the best participant in DUC04.
同期刊论文项目
同项目期刊论文
期刊信息
位置：