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：网经科技(苏州)有限公司

摘要：本发明公开了无监督抽取式文本摘要方法，先对文档进行预处理，再对文档中出现的字生成高维向量，继而根据字向量算出各句向量，计算得到文档中的核心句，得到最终摘要。利用高维度向量的伪正交性，设计出更适合文本摘要的句向量表征形式；通过迭代计算找到文档的核心句更加合理，在信息覆盖面、忠诚度、计算速度等方面均超越此前同类型方法的比较基准；可在缺少摘要标注数据的场景中，以更低的计算代价获取更高质量的摘要内容。

主权项：1.无监督抽取式文本摘要方法，其特征在于：包括以下步骤：S1对文档进行预处理；S2对文档中出现的字生成高维向量；S21统计文档中用到的字建立字表；在预处理后的句子列表基础上，利用统计方法生成该文档的字表，文档中多次出现的字只在初次出现时收录一次；高频字在文档中多次出现，最终字表的长度远小于原文档的字数；S22对字表中每个字进行向量初始化；为将每个字转化为高维空间的向量表示，先设定向量的维度D；字表中第i个字的向量Ci由公式1、公式2获得；Ci＝[Ti,0,Ti,1,Ti,2……,Ti,D-1]1 其中，i是字在字表中的索引，d是向量维度的序号，均从0开始；Ti,d表示第i个字在第d维的取值；S3根据字向量算出各句向量；抽取式摘要是从文档原文中选取句子，为了表征句子对于文档整体语义的重要性，在经过步骤S2得到字表中每个字的向量后，基于字向量为每个句子生成句向量；对于给定句子S’，句向量VecS’由各个字向量经过公式3得出； 其中，Sum是向量求和运算，n是句子S’包含的有效字数，j是当前字C在句中的索引号，ShiftCj，n-j-1函数表示对向量Cj右移操作n-j-1次，将向量末尾的n-j-1个元素移到最前面；各个字向量经过不同次数的右移后，求和得到句子的向量表示；计算过程中向量的维度不变，句向量与字向量的维度是一致的；对于步骤S1得到的句子列表，经过步骤S2与步骤S3之后得到列表中各句子的D维向量表示；S4计算得到文档中的核心句；在文档摘要的场景中，将文档中最重要的句提取出来作为中心思想或文章的大意；最终摘要所需的句子数量k视为事先已知的参数，在每次执行摘要任务时提供；经过步骤S3获取到各句子的向量之后，计算句子之间的关系，从而获取文档中最核心的k个句子；S5得到最终摘要；经过步骤S4得到k个核心句的句向量后，按照在原句子列表中的索引号排序，再找到各索引对应的预处理前的文档原句，按顺序组合起来即为文档最终的摘要。

全文数据：

权利要求：

百度查询： 网经科技(苏州)有限公司 无监督抽取式文本摘要方法