面向科技領域的多文檔摘要與綜述報告自動生成.pdf

1、多文檔自動摘要是數(shù)據(jù)挖掘、信息檢索等領域非常亟需解決的問題之一。目前，學術界對于多文檔自動摘要的研究已經取得了顯著的成果，提出了很多多文檔自動摘要的算法。但是由于應用的領域的不同，處理的數(shù)據(jù)的不同以及多文檔自動摘要任務本身的復雜性，多文檔自動摘要任務還存在著許多問題，需要研究和解決。本文面向科技領域，首先基于本文提出的改進的基于凝聚的層次聚類算法進行多文檔自動摘要，然后利用本文提出的改進的信息抽取算法對聚類結果進行了信息抽取，并依據(jù)結果

2、自動生成綜述報告。
　　利用改進的基于凝聚的層次聚類的算法進行多文檔自動摘要，將多文檔摘要的任務轉化為文檔聚類的任務，傳統(tǒng)的特征選取方法并不對詞區(qū)別對待，本文對特征選取方法進行改進提出了基于實體詞和專有名詞的特征選取方法，針對不同的特征選取方法進行對比實驗。由于基于傳統(tǒng)聚類方法進行多文檔摘要，通常采用余弦相似度，并沒有對學術文獻各部分區(qū)別對待，本文提出了基于多維度的相似度計算方法，對學術文獻各部分分別計算相似度并線性加權，并且將相

3、似度賦予不同的權值進行累加整合作為文獻相似度，得到了更好的性能。在本文的聚類過程中，提出一種改進的基于凝聚的層次聚類方法，較之于傳統(tǒng)的基于凝聚的層次聚類方法，此算法要求簇之間距離更緊密，對于科技領域達到了更好的效果。
　　顯然，研究人員不滿足于了解學術文獻的聚類劃分，更希望知道學術文獻的研究類別，研究方法等信息?；谶@個需求，本文首先采用改進的基于統(tǒng)計的信息抽取方法對研究類別進行信息抽取，并針對學術文獻各部分的重要程度不同，提出了