[发明专利]一种多文档摘要句的生成方法

权利要求书

1.一种多文档摘要句的生成方法，其特征在于，包括下述步骤：

S1、以句子特征向量空间为输入，根据句子特征向量相似度对句子作聚类分析，计算得到的每一个簇记为一个子主题；

S2、根据子主题的文档集合覆盖程度以及所包含的句子数目来确定该子主题的重要程度，并根据重要程度对子主题进行排序；

S3、对每个子主题下的句子进行评分，并进行排序；

S4、从每个子主题中抽取出重要度评分最高的句子作为摘要句，对这些句子中作为主语的指示代词进行替换，并把摘要句按句子所属子主题的重要度评分进行排序，最终生成并输出摘要。

2.根据权利要求1所述的一种多文档摘要句的生成方法，其特征在于，步骤S2中，子主题的重要度由其覆盖的文档数和包含的句子数目共同评定，如果一个子主题所涉及的文档数越多，包含的句子数目越多，该子主题则越重要。具体为：假设子主题共覆盖了DC_i个文档，包含了SC_i个句子，则该子主题的重要度得分为：

其中，λ_D+λ_S＝1，用于调节文档覆盖度和句子包含数目在评分函数中的作用，N是所有的文档数目，M是所有的句子数目。

3.根据权利要求1所述的一种多文档摘要句的生成方法，其特征在于，步骤S3中，句子的重要程度由以下两个因素决定，1)应包含尽量多的语义概念；2)作为摘要句应尽量短；具体为：假设句子包含了CC_i个语义概念，长度为L_i，则该句子的重要度得分为：

4.根据权利要求1所述的一种多文档摘要句的生成方法，其特征在于，步骤S4中，为了提高可读性，如果候选摘要句中没有主语，或只有指示代词作为主语，则为其寻找主语，具体为：当确定某一句子为子主题中重要程度最后的句子，即判定为候选摘要句，识别该摘要句是否有主语，或主语是否为指示代词，如是，则在句子所属文档中向前进行搜索，寻找最近的主语非指示代词的句子，将该主语作为候选摘要句的主语，或替换候选摘要句中的指示代词。

5.根据权利要求1所述的一种多文档摘要句的生成方法，其特征在于，步骤S4中，在得到摘要句的最终评分并输出最终摘要的方法为：

对每个子主题下的句子进行评分后，从每个子主题中抽取出重要度评分最高的句子作为摘要句，并把摘要句按句子所属子主题的重要度评分进行排序，最终生成并输出摘要。