科研之友
微信
新浪微博
Facebook
分享链接
摘要
互联网海量的航天新闻中隐含着大量航天情报信息，对其进行理解与压缩是提高后续情报分析效率的基础。然而通用的自动摘要算法往往会忽略很多航天领域关键信息，且有监督自动摘要算法需要对领域文本进行大量的数据标注，费时费力。因此，提出一种基于领域概念图的无监督自动摘要(DCG-TextRank)模型，利用领域术语辅助引导图排序，提高模型对领域文本的理解力。该模型分3个模块：领域概念图生成、图权重初始化、图排序及语义筛选。根据句向量相似度和领域术语库，将文本转换为包含句子节点和领域术语节点的领域概念图；根据航天新闻文本特征初始化领域概念图权值；采用TextRank模型对句子进行排序，并在语义筛选模块通过图节点聚类及设置摘要语义保留度的方法改进TextRank的输出，充分保留文本的多语义信息并降低冗余。所提模型具有领域可移植性，且实验结果表明：在航天新闻数据集中，所提模型相比传统TextRank模型性能提升了14.97%，相比有监督抽取式文本摘要模型BertSum和MatchSum性能提升了4.37%～12.97%。
-
单位中国科学院大学; 国家无线电监测中心; 中国科学院国家空间科学中心
