近70年文本自动摘要研究综述

被引:18
作者
刘家益 [1 ,2 ]
邹益民 [3 ]
机构
[1] 中国科学院文献情报中心
[2] 中国科学院大学
[3] 浙江师范大学经济与管理学院
关键词
自动摘要; 机器学习; 语言网络; 深度学习; 综述;
D O I
10.13833/j.cnki.is.2017.07.027
中图分类号
G254.3 [文献编目]; TP181 [自动推理、机器学习];
学科分类号
1205 ; 120501 ; 081104 ; 0812 ; 0835 ; 1405 ;
摘要
【目的/意义】文本自动摘要能快速获取文本主要内容,极大提高信息使用效率,帮助人们从信息海洋中解放出来。随着互联网大数据日益深入发展,文本信息的数量已经远远超出人工处理极限,文本自动摘要研究显得越发迫切和重要。【方法/内容】本文通过对过去70年国内外文本自动摘要经典文献重要文献进行收集、整理和分析,总结归纳出六类主要文本自动摘要方法及其理念和具体做法,对比评析其优势不足,并对未来研究方向进行展望,绘制出该研究领域的一个发展全景图。【结果/结论】自动摘要方法所使用的特征经历了由简单到复杂、由个体到联系、由表层到深层的发展路径;如何深入利用深度学习方法,以及如何将传统方法与深度学习方法更好结合起来将是下一步研究的热点和重点。
引用
收藏
页码:154 / 161
页数:8
相关论文
共 22 条
[1]   深度学习研究与进展 [J].
孙志远 ;
鲁成祥 ;
史忠植 ;
马刚 .
计算机科学, 2016, 43 (02) :1-8
[2]   深度学习研究进展 [J].
郭丽丽 ;
丁世飞 .
计算机科学, 2015, 42 (05) :28-33
[3]   一种改进的TFIDF网页关键词提取方法 [J].
李静月 ;
李培峰 ;
朱巧明 .
计算机应用与软件, 2011, 28 (05) :25-27
[4]   基于TFIDF文本特征加权方法的改进研究 [J].
张保富 ;
施化吉 ;
马素琴 .
计算机应用与软件, 2011, 28 (02) :17-20
[5]   TFIDF算法研究综述 [J].
施聪莺 ;
徐朝军 ;
杨晓江 .
计算机应用, 2009, 29(S1) (S1) :167-170+180
[6]   一种基于TFIDF方法的中文关键词抽取算法 [J].
徐文海 ;
温有奎 .
情报理论与实践, 2008, (02) :298-302
[7]  
深度学习[M]. 机械工业出版社 , 邓力, 2015
[8]   Query-oriented unsupervised multi-document summarization via deep learning model [J].
Zhong, Sheng-hua ;
Liu, Yan ;
Li, Bin ;
Long, Jing .
EXPERT SYSTEMS WITH APPLICATIONS, 2015, 42 (21) :8146-8155
[9]  
AN APPROACH FOR TEXT SUMMARIZATION USING DEEP LEARNING ALGORITHM[J] . G. PadmaPriya,K. Duraiswamy.Journal of Computer Science . 2013 (1)
[10]  
Automated Text Summarization Base on Lexicales Chain and graph Using of WordNet and Wikipedia Knowledge Base[J] . Pourvali, Mohsen,Abadeh, Mohammad Saniee.EN . 2012 (1)