自動文摘

自動文摘

所謂自動文摘就是利用計算機自動地從原始文獻中提取文摘，文摘 是全面準確地反映某一文獻中心內容地簡單連貫的短文。

自動文摘技術主要有機械文摘和理解文摘兩種。機械文摘能夠適用於非受限域，這符合當前自然語言處理技術面向真實語料、面向實用化的總趨勢，但是由於它局限於對文本表層結構地分析，所以經過近40年的發展已接近技術極限，文摘質量很難再有質的飛躍。理解文摘犧牲領域寬度，換取了理解深度，它作為理論探索的價值很高，但實用性較低，在可預見的未來中前景黯淡。

為了適應大規模真實語料的需要，自動文摘應立足於面向非受域，不斷提高文摘質量。篇章結構屬於語言學範疇，不觸及領域知識，因而基於篇章結構的自動文摘方法不受領域的限制。同時篇章結構比語言表層結構深入了一大步，根據篇章結構能夠更準確地探測文章的中心內容所在，因而基於篇章結構的自動文摘能夠避免機械文摘的許多不足，保證文摘質量。

自動摘錄將文本試為句子的線性序列，將句子視為詞的線性序列。它通常分4步進行：（1）計算詞的權值；（2）計算句子的權值；（3）將原文中的所有句子按權值高低降序排列，權值最高的若干句子被確定為文摘句；（4）將所有文摘句按照它們在原文中的出現順序輸出。在自動文摘中，計算詞權、句權、選擇文摘句的依據是文本的6種形式特徵：詞頻、標題、位置、句法結構、線索詞和指示性短語