7、首先闡述了人們進行自動文摘研究的必要*,並介紹了自動文摘的技術背景。
11、討論了一種面向非受限領域的綜合式中文自動文摘方法。
15、文本的形式化表示一直是文本檢索、自動文摘和搜索引擎等信息檢索領域關注的基礎*問題。
19、文本傾向*識別在垃圾郵件過濾、信息安全和自動文摘等領域都有廣泛的應用。
23、同時,語義褒貶傾向研究也為文本分類、自動文摘、文本過濾等自然語言處理的研究提供了新的思路和手段。
27、為解決詞頻矩陣的詞頻維數過大和矩陣過於稀疏的問題,提出一種子主題區域劃分的多文檔自動文摘方法。
3、文本自動綜述是自動文摘在多文檔上的推廣。
8、針對面向查詢的多文檔自動文摘,本文提出了一種系統實現方法。
13、自動文摘是自然語言處理領域的一項重要的研究課題。
18、隨着網絡的發展,電子文本大量湧現,自動文摘以迅速、快捷、有效、客觀等手工文摘無可比擬的優勢,使得其實用價值得到充分體現。
24、如何正確有效地確定文檔的子主題邊界對於自動文摘、問答系統等自然語言處理應用是非常重要的。
1、將文本聚類引入自動文摘中,能實現多文檔的自動文摘。
6、針對當前自動文摘方法的不足,提出了基於文本聚類的自動文摘實現方法。
14、與僅基於內容的自動文摘系統相比較,評測結果顯示,該系統生成的摘要質量有明顯提高。
21、本文的研究成果可以很好地應用於自動內容抽取、自動問答系統、話題追蹤結果及自動文摘系統中。
28、用這些特徵構成句子向量表示,並用機器學習的方法對其進行訓練得到器,從而把自動文摘轉換為分類問題。
9、多文檔自動文摘技術日益成為自然語言處理領域的一個研究熱點。
17、文本傾向*識別在信息過濾、自動文摘、文本分類等領域有廣泛的應用前景。
26、BLIMS系統包括信息自動分類與關鍵字提取子系統、信息自動文摘子系統和雙語信息庫BLIB及其存儲與檢索子系統。
10、開發了一個基於概念向量空間模型的中文自動文摘系統。
22、實驗表明該方法可行,對自動文摘系統的設計具有借鑑意義和深入研究的價值。
5、傳統的自動文摘方法基於詞語統計抽取文摘句,未進行文本的語義分析,導致文摘精度不高。
25、句子間相似度的計算在自然語言處理的各個領域都佔有很重要的地位,在多文檔自動文摘技術中,句子間相似度的計算是一個關鍵的問題。
16、本文在最後還探討了自動文摘在“知識發現”和文本信息挖掘領域內的初步應用。
12、自動文摘一直是自然語言處理領域研究的重點和難點。
20、該文描述的算法給出了基於層次詞典的關鍵字提取和基於語料庫的自動文摘的實現。
4、最後,概述了中文自動文摘的研究狀況。
2、本文提出了一種中文自動文摘的方法。