[发明专利]多语言自动文摘方法

说明书

本发明涉及一种多语言自动文摘方法，包括以下步骤：步骤101，获取多个目标语言文档中的多个谓词论元结构；步骤102，对所述多个谓词论元结构中的每一个谓词论元进行重要性打分；步骤103，根据所述每一个谓词论元的重要性得分，生成目标语言摘要。本发明中，实现了获取指定语言的摘要，且在保证该摘要含有更多的重要信息的信息量时，提高可读性。

技术领域

本发明涉及自然语言处理技术领域，尤其涉及一种多语言自动文摘方法。

背景技术

随着大数据时代到来，多语言信息，例如多语言新闻文档随处可见。有效地分析多语言文档集合，获取其中的重要信息，并按照用户需求的语言呈现给用户，可以帮助用户快速、便利地理解该文档集合的主体信息。以中文、英文文档集合生成中文摘要为例，最简单的做法是首先将英文文档通过机器翻译翻译为中文，然后将其与中文文档一起，通过传统的多文档自动摘要方法，生成中文摘要。然而，机器翻译的效果往往不能令人满意，存在很多错误，使得机器翻译译文的可读性较差。多语言自动文摘评测会议(MSE)在2005年进行了多语言自动文摘评测，Daume III和Marcu获得了评测的冠军，并和其他队伍得出类似的结论：当不使用机器翻译译文文档集合时，摘要的ROUGE得分(一种评价生成摘要和参考摘要重合度的指标)最高。一方面，机器翻译译文存在很多错误，使用机器翻译译文会引入很多噪音，降低可读性；另一方面，机器翻译译文文档中的信息不会被非译文文档完全覆盖，即机器翻译译文文档仍然会给我们提供很多有价值的信息，我们还是需要利用机器翻译译文增强摘要的信息量。多语言自动文摘方法需要平衡可读性和信息量。

发明内容

为了解决现有技术中的上述问题，即为了实现如何获取指定语言的摘要，且在保证该摘要含有更多的重要信息的信息量时，提高可读性。基于此，本发明提供了一种多语言自动文摘方法，包括以下步骤：

步骤1，获取多个目标语言文档中的多个谓词论元结构；

步骤2，对所述多个谓词论元结构中的每一个谓词论元进行重要性打分；

步骤3，根据所述每一个谓词论元的重要性得分，生成目标语言摘要。

优选地，对所述谓多个词论元结构中的每一个谓词论元进行重要性打分，包括如下步骤：

步骤21，计算组成所述谓词论元的词向量的加权平均数，得到所述谓词论元的短语向量；

步骤22，根据所述谓词论元的短语向量计算所述谓词论元结构中谓词论元的相似度；

步骤23，利用所述相似度获取语义相同的谓词论元；

步骤24，根据所述相似度计算谓词论元的重要性得分。

优选地，所述根据所述谓词论元的短语向量计算所述谓词论元结构中谓词论元的相似度，具体包括：

在每一目标语言文档中分别任选一个谓词论元，每两个谓词论元根据各自的短语向量计算该两个间的相似度，直至所有目标语言文档中的所有个谓词论元均任意两个匹配计算完相似度为止。

优选地，所述利用所述相似度获取语义相同的谓词论元，具体包括：

当所述相似度大于预设阈值时，确认所述相似度所属的谓词论元语义相同。

优选地，在根据所述相似度计算谓词论元的重要性得分时，通过如下计算公式：

利用上述两个公式分别进行迭代计算，直到迭代计算结果稳定时得到各谓词论元的重要性得分；