基于遗传算法的非监督摘要提取*

王 涛，范晓波，胥小波

（1.四川省科学技术信息研究所，四川 成都 610000；2.中国电子科技网络信息安全有限公司，四川 成都 610000）

0 引言

自动生成文本摘要是自然语言处理（Natural Language Processing）领域中一项比较复杂但意义重大的工作。所谓生成文本摘要就是指利用计算机自动地从原始文献中提取重要句子组成文章摘要的过程。随着Web 2.0 的迅猛发展，各种用户原创内容爆炸式增长，使得有价值信息的获取愈发困难。自动生成文本摘要从海量文本中抽取出最重要的语句，可以有效帮助用户花很少的代价获取文档的主要信息。

大体而言，自动摘要可分为基于抽取的自动摘要和基于抽象的自动摘要。基于抽取的自动摘要是指选择输入文档的相关句子并将它们连接起来形成摘要。而基于抽象的方法是指采用新的句子来生成保持原文意思的摘要。基于抽象的自动摘要受制于自然语言处理技术的瓶颈，实现相对困难，因此目前主要的研究和应用集中在基于抽取的自动摘要[1]。根据摘要提取的技术途径不同，抽取的自动摘要可分为基于特征的方法[2-3]、基于图的方法[4-5]和基于神经网络的方法[6-9]。基于特征的方法即评估每个句子的特征，然后评价它的重要性，并输出重要性靠前的句子；基于图的方法（如TextRank[5]）从文档中构建图形，其中图的节点为文档中的句子，而边为句子之间的相似度，然后通过考虑节点之间的关系选取图中重要的节点（句子）。受益于深度学习在自然语言处理领域的广泛运用，近年来提出一些基于深度学习的摘要提取方法，如seq2seq网络[8]、pointer-generator 网络[9]等。……