[发明专利]文本摘要的智能抽取方法、装置、计算机设备及存储介质

说明书

本发明提供一种文本摘要的智能抽取方法、装置、计算机设备及存储介质，所述方法包括：从多篇文本中获取多个特征语句，对每个所述特征语句划分特征词，得到多个特征词；通过聚类分析将所述多个特征词划归到不同的类簇中；将每个所述特征词所隶属的特征语句划归到相应的类簇中；从每个所述类簇中抽取固定个数的特征语句，以形成所述多篇文本的整体摘要。其中聚类分析过程包括：对所述多个特征词分别进行词向量表征，得到多个特征向量；根据重要程度对每个所述特征向量加权，得到多个加权向量；计算每两个加权向量之间的相似度；根据相似度进行聚类运算，得到聚类中心数量，根据所述聚类中心数量将所述多个特征词划分为多个类簇。

技术领域

本发明涉及数据挖掘技术领域，特别涉及一种文本摘要的智能抽取方法、装置、计算机设备及存储介质。

背景技术

自动文本摘要是自然语言处理中一个比较难的任务，本质上，文本摘要是一种信息过滤，输出的文本比输入的文本少很多，但却包含了主要的信息。按照文本数量，文本摘要可以分为单文本摘要与多文本摘要，前者是后者的基础，但后者不只是前者结果的简单叠加。前者经常应用于新闻信息的过滤，而后者，在搜索引擎中有很大的潜力，难度也随之加大。

传统的多文本摘要算法所抽取的摘要冗余度高，不能很好地反映全部文本的总体结构内容，容易造成文本主题中心的丢失、文本的主题覆盖度低、连贯性差、耗费时间较长等缺陷。

发明内容

本发明的目的是提供一种文本摘要的智能抽取方法、装置、计算机设备及存储介质，以解决现有技术中存在的上述问题。

为实现上述目的，本发明提供一种文本摘要的智能抽取方法，包括：

从多篇文本中获取多个特征语句，对每个所述特征语句划分特征词，得到多个特征词；

通过聚类分析将所述多个特征词划归到不同的类簇中；

将每个所述特征词所隶属的特征语句划归到相应的类簇中；

从每个所述类簇中抽取固定个数的特征语句，以形成所述多篇文本的整体摘要。

根据本发明提供的智能抽取算法，其中，所述通过聚类分析将所述多个特征词划归到不同的类簇中的步骤包括：

对所述多个特征词分别进行词向量表征，得到多个特征向量；

根据重要程度对每个所述特征向量加权，得到多个加权向量；

计算每两个加权向量之间的相似度；

根据相似度进行聚类运算，得到聚类中心数量，根据所述聚类中心数量将所述多个特征词划分为多个类簇。

根据本发明提供的智能抽取算法，其中，所述根据重要程度对每个所述特征向量加权，得到多个加权向量的步骤包括：

基于Tf-idf算法计算所述特征向量的第一权重；

基于所述特征词在特征语句中的出现位置计算所述特征向量的第二权重；

将所述特征向量依次与所述第一权重和所述第二权重相乘，得到所述加权向量。

根据本发明提供的智能抽取算法，其中，所述将每个所述特征词所隶属的特征语句划归到相应的类簇中的步骤包括：

标记目标特征词所隶属的目标特征语句；

将所述目标特征语句划分为所述目标特征词所对应的类簇。

根据本发明提供的智能抽取算法，其中，所述从每个类簇中抽取固定个数的特征语句，以形成所述多篇文本的整体摘要的步骤包括：

按照重要程度由高到低的顺序对每个类簇中的所有特征语句进行排序；