[发明专利]一种基于Web的藏文文本自动摘要生成方法

权利要求书

1.一种基于Web的藏文文本自动摘要生成方法，其特征在于，包括以下步骤：

通过主题词表去匹配文章原文中的句子，并对句子的权重进行计算；

根据句子权重进行排序，选取文章句子总数的百分比作为摘要句；

将提取的句子按照句子在原文中的顺序进行重新排序，将句子进行拼接生成摘要。

2.根据权利要求1所述摘要生成方法，其特征在于，所述主题词表通过以下方法构建：

通过统计文章的词频，选择一定数量的高频词汇加入到候选主题词表；

通过领域关键词表对分词后的文章进行匹配，将匹配的关键词加入到候选主题词表；

从文章标题中提取出部分词汇加入到候选主题词表；

最后根据主题词提取算法从以上三部分词汇中提取主题词表。

3.如权利要求1所述的自动摘要生成方法，其特征在于，所述句子权重加权函数设计为其中W(S_k)代表句子S_k的权值，W_p(S_k)表示句子位置权重，w_ki表示高频词汇对句子的加权，w_kj表示关键词对句子S_k的加权，w_km表示文本标题中词汇的对句子S_k的加权，W_c(S_k)表示线索词对句子S_k的加权。

4.如权利要求1所述的自动摘要生成方法，其特征在于，为避免摘要内容重复，对句子新颖度进行计算，句子相似度计算公式为：其中，Sim(S_i,S_j)表示句子S_i与句子S_j之间的相似度。

5.如权利要求1所述的自动摘要生成方法，其特征在于，对所述文章原文中的句子是通过进行词的切分，除去没有意义的停用词后获取；所述停用词通过筛选出高频率的词汇来确定。

6.如权利要求1所述的自动摘要生成方法，其特征在于，所述将提取的句子按照句子在原文中的顺序进行重新排序，将句子进行拼接生成摘要步骤包括：

通过过滤冗余的句子，提取摘要句按句子在原文顺序重新排序，拼凑起来作为摘要。

7.如权利要求1所述的自动摘要生成方法，其特征在于，影响所述句子权重计算的因素包括：词频、领域关键词、标题、位置和线索词中的一个或多个。

8.如权利要求1所述的自动摘要生成方法，其特征在于，所述根据句子权重进行排序，选取文章句子总数的百分比作为摘要句步骤，包括：

根据句子权重进行排序，选取文章句子总数的30％作为摘要句。