自动文摘是自然语言处理领域的一项重要的研究课题。作为解决目前信息过载问题的一种辅助手段,它能在一定程度上弥补传统的信息检索技术在应对信息过载危机时所表现出来的种种缺憾,帮助用户提高信息检索的速度,节省重要信息的浏览时间。 中文自动文摘的研究如火如荼地开展了近20年,令人鼓舞的成果层出不穷。然而,在欣然地享受着这些精彩成果的同时,若干可能会影响自动文摘效果的潜在问题正逐渐被越来越多的研究人员所重视。 以句子权值排序作为抽取依据的文摘方法是中文自动文摘领域广泛采纳的一种典型方法,它简单易行且适用面宽。然而由于摘要对象的多样性,它的缺陷也正变得日趋明显。其主要表现在它所产生的文摘往往很难在主题覆盖度与冗余之间达到某种平衡,常常出现主题遗漏或内容冗余等问题。因此,针对不同题材文本具有不同的潜在主题结构这一现象,如何自适应地发现不同文本潜在的主题将会对现有文摘方法的摘要效果产生积极的影响。此外,在采用统计学方法构造自动文摘系统的过程中,建立各级语言单元的特征向量往往是一个基础性环节。而在实际的摘要实验中,我们发现建立的特征向量的维数常常偏大,达到几百维甚至上千维,而这无疑会制约后续摘要算法的效率。因此,对这些特征向量进行一定程度的降维处理将必不可少。 致力于对上述问题的解决,我们尝试性地提出了一种基于自适应聚类的中文自动文摘方法。在该方法中,我们采用了如下四种关键技术: 关键技术1 基于无监督特征抽取的文本各级语言单元的特征向量表达 关键技术2 基于自适应段落聚类的文本潜在主题的自动发现 关键技术3 基于主题语义相似度计算的文本主题代表句的自动选取 关键技术4 基于表达熵的文摘冗余的量化评价 为了验证提出的中文自动文摘方法的可行性和有效性,我们从国家语委现代汉语语料库中随机选取了30篇不同题材的文本作为实验文本,分别采用提