[发明专利]基于改进的PageRank算法的文本-音频自动文摘方法

权利要求书

1.一种基于改进的PageRank算法的文本-音频自动文摘方法，其特征在于，包括：

将音频转录为文本，计算转录文本和原始文本的相似度；

利用改进的PageRank算法根据相似度计算转录文本和原始文本中的句子的重要性；以及

根据句子的重要性，生成文本摘要；

其中，改进的PageRank算法的公式如下：

其中，μ为平滑因子；u(c_i)为c_i的重要性得分；u(c_j)为c_j的重要性得分；M_ij为c_i与c_j的相似度；N为句子总数；c_i表示转录文本中的任意一个句子；c_j表示原始文本中的任意一个句子；

其中，改进的PageRank算法中M_ij的定义如下：

定义跨模态句子之间的相似度矩阵为或其中，表示c_j传递给c_i的得分权重矩阵，表示c_i传递给c_j的得分权重矩阵；矩阵中每个参数的取值M_ij或M_ji为计算出来的c_i与c_j两个句子的相似度，对于语义相同的句对，保持不变；对于在原始文本中找不到语义相同的转录文本句子，其相似度矩阵不变。

2.根据权利要求1所述的文本-音频自动文摘方法，其特征在于，所述利用改进的PageRank算法根据相似度计算转录文本和原始文本中的句子的重要性包括：

对来自转录文本和原始文本两个模态的句子根据相似度大于设定阈值来寻找语义相同的句对；

定义改进的PageRank算法中两个模态的句子之间相似度矩阵或矩阵中每个值为M_ij或M_ji，表示c_i与c_j的相似度；以及

利用改进的PageRank算法来计算每个句子的重要性得分，进行迭代递归，直到得分稳定为止。

3.根据权利要求2所述的文本-音频自动文摘方法，其特征在于，所述设定阈值通过在MSR语料上测试获得。

4.根据权利要求1所述的文本-音频自动文摘方法，其特征在于，所述根据句子的重要性，生成文本摘要包括：

定义抽取用于生成摘要的句子的目标函数；

定义长度约束；

通过贪心算法，选取最大化目标函数且满足长度约束的句子集合；以及

按照输入的转录文本和原始文本中句子的出现顺序，将符合条件的句子排序，作为输出摘要。

5.根据权利要求4所述的文本-音频自动文摘方法，其特征在于，所述目标函数的表达式如下：

其中，S为摘要集合，u(c_i)为摘要S中的句子c_i的重要性得分；λ为对冗余性的惩罚因子，通过开发集调节；sim(c_i，c_j)为c_i和c_j间的余弦相似度。

6.根据权利要求4所述的文本-音频自动文摘方法，其特征在于，所述贪心算法实施包括：

对于每一个还未选为摘要的句子l，计算选该句子给目标函数f带来的得分增益，其表达式如下式所示：

其中，c_l为句子l的长度；

选取满足得分增益最高的句子作为选入摘要，如此循环进行，直至摘要长度达到预定的长度限制。

7.根据权利要求4所述的文本-音频自动文摘方法，其特征在于，所述按照输入的转录文本和原始文本中句子的出现顺序，将符合条件的句子排序，包括：

对于那些出现在转录文本和原始文本中的句子，按照原始文本的日期先后排序；

对于那些出现在相同原始文本中的选入摘要中的句子，按照其出现在原始文本中的先后排序。