[发明专利]为主题文档集生成摘要的方法和装置

权利要求书

1.一种为主题文档集生成摘要的方法，其特征在于，所述方法包括：

候选摘要选取步骤：从主题文档集的各篇文章中选取一个和/或多个语句作为候选摘要；

候选摘要评分步骤：根据预设的句法分析算法分别对所述候选摘要进行切词，并基于切词结果对所述候选摘要进行评分；

摘要确定步骤：将所述评分所得的值最高的候选摘要作为所述主题文档集的摘要，

其中，所述候选摘要选取步骤的处理包括：

对所述主题文档集的任一篇文章，以窗口滑动的方式从所述文章的内容文本依次获取至少一组连续排列的语句分别作为第一候选长摘要，和/或

从所述主题文档集的各篇文章分别提取其标题作为第一候选短摘要。

2.根据权利要求1所述的方法，其特征在于，所述候选摘要评分步骤的处理包括：

根据预设的句法分析算法分别对所述第一候选长摘要进行切词，并且根据所述切词的结果和预设的第一摘要评价指标计算所述第一候选长摘要的评分值，和/或

根据预设的句法分析算法分别对所述第一候选短摘要进行切词，并且根据所述切词的结果和预设的第二摘要评价指标计算所述第一候选短摘要的评分值。

3.根据权利要求2所述的方法，其特征在于，所述摘要确定步骤的处理包括：

将所述评分值最高的第一候选长摘要作为所述主题文档集的长摘要，和/或

将所述评分值最高的第一候选短摘要作为所述主题文档集的短摘要。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

根据所述主题文档集的长摘要、短摘要和所述主题文档集中切出的分词的分布，分别计算所述主题文档集的分词的分布与所述长摘要中切出的分词的分布或所述短摘要中切出的分词的分布之间的相对熵，

如果所述短摘要相对于所述主题文档集的分词的分布的相对熵低于预定的相对熵阈值，则将所述长摘要的各个语句分别作为所述第一候选短摘要，执行所述候选摘要评分步骤和所述摘要确定步骤，和/或

如果所述长摘要相对于所述主题文档集的分词的分布的相对熵低于预定的第一相对熵阈值，且低于预定的第二相对熵阈值，则将所述短摘要作为所述主题文档集的长摘要，其中，所述第二相对熵阈值为所述短摘要相对于所述主题文档集的分词的分布的相对熵。

5.根据权利要求2～4中任一项所述的方法，其特征在于，所述第一摘要评价指标和所述第二摘要评价指标包括摘要的分词重要性和信息冗余度。

6.根据权利要求5所述的方法，其特征在于，所述第一摘要评价指标还包括所述第一候选长摘要的可读性和分词序列的平衡性，所述第二摘要评价指标还包括所述第一候选短摘要的可读性和长度折扣。

7.根据权利要求6所述的方法，其特征在于，所述根据预设的句法分析算法分别对所述第一候选长摘要进行切词，并且根据所述切词的结果和预设的第一摘要评价指标计算所述第一候选长摘要的评分值的处理还包括：

对任一第一候选长摘要，根据其所属文章的信息来源对为其计算的评分值进行加权，求得所述第一候选长摘要的加权评分值，

所述将所述评分值最高的第一候选长摘要作为所述主题文档集的长摘要的处理包括：

选取求得的加权评分值最高的第一候选长摘要作为所述主题文档集的长摘要。

8.一种为主题文档集生成摘要的装置，其特征在于，所述装置包括：

候选摘要选取模块，用于从主题文档集的各篇文章中选取一个和/或多个语句作为候选摘要；

候选摘要评分模块，用于根据预设的句法分析算法分别对所述候选摘要进行切词，并基于切词结果对所述候选摘要进行评分；

摘要确定模块，用于将所述评分所得的值最高的候选摘要作为所述主题文档集的摘要，

其中，所述候选摘要选取模块用于：

对所述主题文档集的任一篇文章，以窗口滑动的方式从所述文章的内容文本依次获取至少一组连续排列的语句分别作为第一候选长摘要，和/或

从所述主题文档集的各篇文章分别提取其标题作为第一候选短摘要。