大數(shù)據(jù)時(shí)代,互聯(lián)網(wǎng)上的信息呈爆炸式增長(zhǎng),人們更多的在網(wǎng)絡(luò)上搜索知識(shí)、瀏覽新聞。因此,快速、高效的獲取主要信息是人們的共同需求。文摘是一篇文章的精煉概括,既反映了文章的主題又極大地降低了人們獲取主要信息的成本。隨著計(jì)算機(jī)技術(shù)的發(fā)展,使用計(jì)算機(jī)自動(dòng)的獲取文本摘要信息成為現(xiàn)實(shí)。在自然語(yǔ)言處理領(lǐng)域,不斷提高自動(dòng)文摘的精準(zhǔn)度成為重要的研究方向。本文對(duì)基于機(jī)器學(xué)習(xí)方法的抽取式自動(dòng)文摘進(jìn)行了深入研究。在文本信息的特征提取方面,首先總結(jié)了基于統(tǒng)計(jì)和規(guī)則的文本特征;其次融入了中文語(yǔ)言學(xué)方面的特征,如:詞性特征、語(yǔ)義角色特征、依存句法特征、語(yǔ)義依存特征;最后引入基于深度學(xué)習(xí)的Word2vec詞向量特征。最終將文本中的句子轉(zhuǎn)換為347維的特征向量作為機(jī)器學(xué)習(xí)模型的輸入。在考慮了數(shù)據(jù)集人工文摘形式的基礎(chǔ)上,利用文本信息的這些豐富特征,使用了六種經(jīng)典的回歸算法模型對(duì)文本信息進(jìn)行自動(dòng)文摘抽取。與傳統(tǒng)方法進(jìn)行對(duì)比,擁有豐富特征集合的機(jī)器學(xué)習(xí)方法提高了自動(dòng)文摘的性能。在此基礎(chǔ)上,利用表現(xiàn)優(yōu)異的模型對(duì)時(shí)事新聞進(jìn)行了自動(dòng)文摘抽取,得到了不錯(cuò)的效果。 

【文章頁(yè)數(shù)】：54 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
ABSTRACT
第1章 緒論
    1.1 研究的背景和意義
    1.2 國(guó)內(nèi)外研究狀況
        1.2.1 自動(dòng)文摘的分類(lèi)
        1.2.2 抽取式自動(dòng)文摘方法
        1.2.3 自動(dòng)文摘評(píng)價(jià)指標(biāo)
第2章 基于多種特征融合的機(jī)器學(xué)習(xí)方法
    2.1 特征提取
    2.2 算法選擇
        2.2.1 多元線性回歸算法
        2.2.2 K近鄰算法
        2.2.3 K-D樹(shù)算法
        2.2.4 CART回歸樹(shù)算法
        2.2.5 隨機(jī)森林算法
        2.2.6 GBDT算法
    2.3 回歸算法評(píng)價(jià)
第3章 實(shí)驗(yàn)過(guò)程及結(jié)果分析
    3.1 數(shù)據(jù)預(yù)處理
    3.2 特征轉(zhuǎn)化
    3.3 實(shí)驗(yàn)結(jié)果展示及模型評(píng)價(jià)
    3.4 模型應(yīng)用
第4章 結(jié)論
參考文獻(xiàn)
致謝
學(xué)位論文評(píng)閱及答辯情況表


【參考文獻(xiàn)】：
期刊論文
[1]OA中文文獻(xiàn)自動(dòng)摘要系統(tǒng)[J]. 王永成,許慧敏.  情報(bào)學(xué)報(bào). 1997(02)
[2]中文文獻(xiàn)摘要的自動(dòng)編制[J]. 莫燕,王永成.  現(xiàn)代圖書(shū)情報(bào)技術(shù). 1993(03)
[3]中文科技文獻(xiàn)文摘的自動(dòng)編寫(xiě)[J]. 蘇海菊,王永成.  情報(bào)學(xué)報(bào). 1989 (06)



本文編號(hào)：3659909