利用维基百科实体增强基于图的多文档摘要

陈维政，严 睿，闫宏飞，李晓明

(北京大学 信息科学技术学院，北京 100871)

利用维基百科实体增强基于图的多文档摘要

陈维政，严 睿，闫宏飞，李晓明

(北京大学 信息科学技术学院，北京 100871)

针对基于图的多文档摘要，该文提出了一种在图排序中结合维基百科实体信息增强摘要质量的方法。首先抽取文档集合中高频实体的维基词条内容作为该文档集合的背景知识，然后采用PageRank算法对文档集合中的句子进行排序，之后采用改进的DivRank算法对文档集合和背景知识中的句子一起排序，最后根据两次排序结果的线性组合确定文档句子的最终排序以进行摘要句的选取。在DUC2005数据集上的评测结果表明该方法可以有效利用维基百科知识增强摘要的质量。

多文档摘要；维基实体；基于图

1 引言

在线信息的快速增长使得自动文档摘要技术不断发展，在过去的六十多年里，从不同的领域和模式出发，自动文档摘要技术得到了广泛研究和应用。比如，搜索引擎会对用户查询返回的文档生成一个短摘要供用户筛选查询结果。雅虎2013年收购了新闻摘要应用Summly，该应用可以将整篇英文新闻文章的内容提炼成一个不到400词的新闻摘要。

自动文本摘要可分为普适摘要和面向查询的摘要。面向查询的多文档摘要需要用户在给出一个查询的条件下，针对用户的信息需求生成与用户查询相关且内容冗余度尽量小的摘要。普适摘要则与查询无关。由于自然语言处理技术的限制，当前的摘要生成主要采用抽取式(extractive)的方法，即从原文档中选取一定数量的句子组成摘要，本文的方法是一种抽取式的面向查询的摘要算法。……