基于子句抽取的文本摘要自动提取算法

TextRank算法及SWTextRank等改进算法在抽取式摘要生成中得到了广泛的应用，但它们都没有有效地解决抽取式摘要所存在的冗余性问题。为此，提出一种基于子句抽取的文本摘要自动提取算法（PTextRank）。首先，使用Sinica Treebank(STB)对每个句子进行语法标记，进而基于子句设置抽取单元；接着，使用BERT(Bidirectional Encoder Representation from Transformers)构建标题和每个子句的特征向量，并计算子句特征向量间的相似性，将其存放在相似度矩阵中；最后结合子句位置、子句与标题的相似度等调整子句相似度矩阵，迭代计算直至收敛，进而选取得分最高的子句作为最终摘要。实验分析表明，PTextRank算法有效地避免了多个句子中存在的冗余信息，且相比于TextRank和SWTextRank,PTextRank生成摘要的准确率至少提高6%，同时生成的摘要质量更好。