[发明专利]一种基于TextRank与多维语义特征融合的自动摘要方法及系统

权利要求书

1.一种基于TextRank与多维语义特征融合的自动摘要方法，其特征在于，包括以下步骤：

S1，对原始新闻除去无用的符号、空格；

S2，对预处理后的新闻进行新闻关键词提取、新闻主题的获取、句子的特征信息以及句子的向量表示；

S3，将步骤S2获取的新闻关键词、新闻主题、句子的特征信息以及句子的向量表示转化成各自的特征分数，然后将各自的特征分数按比例相加得到句子特征分数；同时采用TextRank方法对句子的向量表示进行巨资建相似度计算，得到句子的TextRank分数，将TextRank分数和句子特征分数相加取平均数得到句子综合分数；

S4，利用MMR算法计算句子间的相似度来去除冗余度较高的句子，最后根据相似度排序按设定个数取前n个句子作为摘要。

2.根据权利要求1所述的一种基于TextRank与多维语义特征融合的自动摘要方法，其特征在于，新闻关键词通过TF-IDF方法和新闻所属领域的领域词共同得到；新闻主题的获取由LDA模型通过无监督方法训练得到；句子的特征信息则是判断句中是否含有特征词；句子的向量表示则是通过Word2vec深度学习的方法训练出词向量，进而得到句向量。

3.根据权利要求1所述的一种基于TextRank与多维语义特征融合的自动摘要方法，其特征在于，根据词语权重的加权公式在TF-IDF算法得到候选关键词的基础上进行加权后得到候选关键词：

weight(i,M)＝h×count(i,M)

其中，表示单词i在文本M中的权重；表示单词i在文本M出现的频率，由TF-IDF算法计算得出；h为词性影响因子，根据名词和动词不同的重要性可分别赋予不同的权重。

4.根据权利要求3所述的一种基于TextRank与多维语义特征融合的自动摘要方法，其特征在于，对特定领域建立出一个该领域较为关心的领域词词典，若文中含有定义的领域词，则将该领域词和上述经过TF-IDF算法得出的候选关键词一起提出作为本文的关键词。

5.根据权利要求1所述的一种基于TextRank与多维语义特征融合的自动摘要方法，其特征在于，采用基于LDA(Latent Dirichlet Allocation)主题生成模型来得到文档的主题分布和句子的主题分布，其中，文档的主题分布可直接由LDA生成模型的参数得到，句子的主题分布公式如下：

其中，P(W_i|T)表示该主题下词语W_i的分布概率，由LDA模型参数φ得到；len(S)表示句子S的长度。

6.根据权利要求1所述的一种基于TextRank与多维语义特征融合的自动摘要方法，其特征在于，句子的特征信息包括关键词：据报道、据说、总而言之、表明、因此和显然。

7.根据权利要求1所述的一种基于TextRank与多维语义特征融合的自动摘要方法，其特征在于，利用加和取平的方式的得到句向量，通过句向量来表示句子的整体语义信息：

其中，表示句子S的句向量；表示构成句子的各个词语的空间向量；n为句子长度；由word2vec计算得出的一个k维的空间向量组成。