基于Web的文摘技术研究

摘要

Web文档的迅猛增长使Web文摘技术成了当今的一个研究热点.由于Web文档的特殊性,使得Web文摘不同于传统的文本自动文摘.本文分析了Web文档的特点;给出了Web文摘的定义;提出了基于句子抽取的Web文摘生成算法.算法中将每个Web句子权重分解为Web特征词权重和Web句子结构权重,并用机器学习的方法来计算二者所占的比重.Web特征词权重根据文档分类树图进行权值调整,Web句子结构权重充分考虑排版格式和超连接属性.通过对1000篇Web文档的文摘实验,证明文中所提Web文摘算法切实可行.