一种英文自动摘要方法

doi:10.3778/j.issn.1002-8331.2009.07.041

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (7): 135-137.DOI: 10.3778/j.issn.1002-8331.2009.07.041

• 数据库、信号与信息处理 • 上一篇下一篇

一种英文自动摘要方法

张燕¹,赵广社¹,郭培胜²

1.西安交通大学自动控制研究所，西安 710049
2.西安交通大学工业自动化教研室，西安 710049

收稿日期:2008-08-29 修回日期:2008-10-30 出版日期:2009-03-01 发布日期:2009-03-01
通讯作者: 张燕

English automatic text summarization

ZHANG Yan¹,ZHAO Guang-she¹,GUO Pei-sheng²

1.Institute of Automatic Control，Xi’an Jiaotong University，Xi’an 710049，China
2.Department of Industrial Automation，Xi’an Jiaotong University，Xi’an 710049，China

Received:2008-08-29 Revised:2008-10-30 Online:2009-03-01 Published:2009-03-01
Contact: ZHANG Yan

摘要/Abstract

摘要： 随着在线网页的指数型增长，自动摘要技术越来越受到人们的关注。针对抽取型摘要很少对文本进行语义分析、抽取出的句子可能偏离主题等缺陷，结合单文本摘要的特点，提出了一种英文自动摘要方法TLETS（TF-ISF and LexRank based English Text Summarization）。该方法采用WordNet对向量空间模型的特征词进行概念统计，计算每个概念词的TF-ISF值作为其权值，最后计算每个句子的LexRank权值并提取出权值最高的几个句子作为摘要。实验结果表明，TLETS方法能很好地得到摘要结果。

关键词: 单文本, 摘要, WordNet, 向量空间模型, 概念统计

Abstract: With the growing presence of large amounts of online text，more and more people are interested in automatic text summarization.Most of previous summarizing methods are based on word counting，which miss deep semantic analysis of texts and may be unrelated to the topic，so the extracted summarization is unsatisfying.According to the properties of single document summarization，this paper puts forward an English automatic text summarization method ——TLETS（TF-ISF and LexRank based English Text Summarization）.It makes use of WordNet to count concept based on the Vector Space Model（VSM）.Since it deals with single document，the VSM of the document is established by TF-ISF model.The LexRank value is counted and the sentences with the best values are extracted.The experiment results show that TLETS method can get better summarization.

Key words: single document, summarization, WordNet, Vector Space Model（VSM）, concept counting

张燕¹,赵广社¹,郭培胜². 一种英文自动摘要方法[J]. 计算机工程与应用, 2009, 45(7): 135-137.

ZHANG Yan¹,ZHAO Guang-she¹,GUO Pei-sheng². English automatic text summarization[J]. Computer Engineering and Applications, 2009, 45(7): 135-137.

[1]	赫俊民，鲁梦华，孟魁. 中文单文档摘要模型DSum-SSE[J]. 计算机工程与应用, 2021, 57(15): 200-206.
[2]	梅锋，周娟平，陆璐. 结合局部奖励机制的视频摘要技术研究[J]. 计算机工程与应用, 2021, 57(11): 211-218.
[3]	张敏，曾碧卿，韩旭丽，徐如阳. DAPC：结合双注意力和指针覆盖的文本摘要模型[J]. 计算机工程与应用, 2020, 56(8): 149-157.
[4]	张卫卫，胡亚琦，翟广宇，刘志鹏. 基于LDA模型和Doc2vec的学术摘要聚类方法[J]. 计算机工程与应用, 2020, 56(6): 180-185.
[5]	韩邦，李子臣，汤永利. 基于同态加密的全文检索方案设计与实现[J]. 计算机工程与应用, 2020, 56(21): 103-107.
[6]	张云纯，张琨，徐济铭，袁卫平，蔡颖，高雅. 基于图模型的多文档摘要生成算法[J]. 计算机工程与应用, 2020, 56(16): 124-131.
[7]	党宏社，陶亚凡，张选德. 基于混合注意力与强化学习的文本摘要生成[J]. 计算机工程与应用, 2020, 56(1): 185-190.
[8]	周才东1，曾碧卿1，2，王盛玉1，商齐1. 结合注意力与卷积神经网络的中文摘要研究[J]. 计算机工程与应用, 2019, 55(8): 132-137.
[9]	叶雪梅1，2，毛雪岷1，2，夏锦春1，2，王波1，2. 文本分类TF-IDF算法的改进研究[J]. 计算机工程与应用, 2019, 55(2): 104-109.
[10]	周健，田萱，崔晓晖. 基于改进Sequence-to-Sequence模型的文本摘要生成方法[J]. 计算机工程与应用, 2019, 55(1): 128-134.
[11]	高永兵1，张贵娟1，胡文江1，马占飞2. 基于后缀树算法的地区微博摘要技术研究[J]. 计算机工程与应用, 2018, 54(9): 126-132.
[12]	向广利，李安康，林香，熊彬. 基于同态加密的多关键词检索方案[J]. 计算机工程与应用, 2018, 54(2): 97-101.
[13]	郭小华1，彭琦2，邓涵1，朱新华1. 基于边权重的WordNet词语相似度计算[J]. 计算机工程与应用, 2018, 54(1): 172-178.
[14]	张绍阳，曹家波，王子凡，曲卫东. 基于加权二部图匹配的中文段落相似度计算[J]. 计算机工程与应用, 2017, 53(18): 95-101.
[15]	程玉胜1，2，梁辉2，王一宾1，2，任勇2. 结合关键词微变和LD算法的文本相似性研究[J]. 计算机工程与应用, 2016, 52(8): 70-73.

一种英文自动摘要方法

English automatic text summarization

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics