互聯網文本自動文摘技術的研究.pdf

1、互聯網的不斷發(fā)展為用戶提供了豐富的信息,同時也促進了信息處理技術地進步。面對如此浩瀚的信息,人們需要尋找一條能夠快速、準確獲得信息的途徑。信息檢索與自動文摘技術顯得非常重要,檢索技術可以讓人們有效地獲取所需信息,而文摘技術則可以節(jié)省用戶的時間,幫助他們提取主要信息,該技術有利于信息再處理。
　　本文的主要工作包括以下幾個方面:
　　第一,總結了文本自動文摘技術的研究現狀。針對互聯網文本,本文提出了網頁噪音過濾法和基于樹解析內

2、容提取法。根據網頁頁面特征去除網頁中標簽等無用信息,從而高效地去除與網頁中心內容無關的垃圾信息,最終只保留網頁的中心內容。
　　第二,在介紹和分析現有文本自動文摘技術的基礎上,實現了一個互聯網文本自動文摘系統。該系統由文本內容提取模塊、預處理模塊、文本聚類模塊和文摘生成模塊四個部分組成。本文成功地將網頁噪音過濾法和基于樹解析內容提取法應用在文本內容提取模塊中,從互聯網網頁中提取出所需要的文本內容,然后進行文摘的抽取和生成。