买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：暨南大学

摘要：本发明公开了一种中文文献综述自动生成的方法，具体涉及文献综述领域，具体包括以下步骤：S1、数据预处理；S2、特征提取；S3、句子重要性评分及主题信息提取；S4、句子选择；S5、句子排序。本发明提出的解决方案适用于中文并支持中英文混杂的综述生成，可结合不同的语料库词典进行不同学科专业的综述生成，而且能根据不同的学科专业的习惯和需要自动生成文献综述，按照学科不同要求提供更合理和灵活的陈述安排。

主权项：1.一种中文文献综述自动生成的方法，其特征在于：具体包括以下步骤：S1、数据预处理；对文本进行分句分词，构建各个学科的专业词典，同时，利用专业词典提取与学科相关的特征，以对句子重要性做出更合理的评估；S2、特征提取；分析学术文献的文本特点，以句子为单元提取特征，提取的特征包括句子语义特征、非语义特征以及学科相关的特征；S3、句子重要性评分及主题信息提取；具体包括：S3.1、以候选句子与标准综述的句子相似度作为句子重要性的度量，将计算得到的句子相似度和提取到的句子特征输入到回归模型；S3.2、利用训练好的回归模型预测句子的重要性；S3.3、将候选句子输入到LDA主题模型，用训练好的LDA模型计算句子的主题分布；S4、句子选择；在综合考虑句子的重要性和句子的主题信息的基础上，设计句子选择的最优化策略，然后进行句子选择；所述步骤S4中，选择最佳句子的步骤如下：在句子选择过程中综合考虑句子的重要评分和句子主题分布，将句子选择转化为一个最优化问题，通过对目标函数进行最优化求解得到最优的句子集合；目标函数的第一部分公式如下： 其中n表示候选句子的数量，m表示主题数，表示候选句子的长度，表示候选句子的重要性评分，表示句子i与主题j的相关度，表示句子i是否被选中且最终分配的主题为j；目标函数的第二部分公式如下： 其中B表示候选句子中包含的bigram集合，bi表示集合B中的bigram，表示bi出现的次数，yi表示bi是否包含在的已生成的综述；添加作为bigram的权重以求包含更重要的bigram；结合以上两部分，得到目标函数公式如下： xij，yi∈{0,1}其中，公式一保证生成的综述文本长度不会超过预先设定的值，Lmax表示生成综述的文本长度；公式二确保在生成文本时，每个句子只能属于一个主题；公式三保证如果句子si被选择，那么其所有的bigram也应该被选择，Bi表示候选句子i中的bigram集合；公式四保证如果被bk被选择，那么包含该bigram的所有句子也应该被选择，表示包含bk的句子集；将句子的最优化选择问题转化成一个线性规划问题，然后对这个线性规划问题进行求解得到句子选择的最优结果；S5、句子排序；根据排序策略对句子进行排序，生成国内外文献综述。

全文数据：

权利要求：

百度查询： 暨南大学 一种中文文献综述自动生成的方法