事件网络驱动的文本自动摘要方法

"基于文本事件网络自动摘要的抽取方法" 本文探讨了一种创新的文本自动摘要技术，该技术利用文本事件网络的概念，将文本内容以事件的形式进行表示，并构建事件本体以捕捉文本的语义信息和事件之间的关系。这种方法的主要特点是它将事件视为基本的语义单元，强调了事件在文本中的重要性。 首先，文章提到了构建事件网络有向图的过程。这种图结构能够有效地展示文本中的事件及其相互联系，同时权重可以反映事件之间关系的重要性。这种表示方式有助于理解文本的整体结构和逻辑，尤其对于新闻报道或复杂叙事文本，事件网络能够更好地揭示事件间的因果关系和时间顺序。 其次，作者采用了PAGE_RANK算法来计算事件网络图中各个节点（即事件）的重要性。PAGE_RANK是Google搜索引擎早期用于网页排名的一种算法，这里被应用到事件节点的排序上，以确定哪些事件在文本中具有更高的影响力。通过这个算法，可以识别出关键事件并优先考虑它们在摘要中的位置。 然后，根据事件发生的时间顺序，选取高排名的事件对应的原文句子，生成摘要。这种方式确保了摘要不仅包含了关键信息，还保持了文本的时间线索，使得摘要内容更加连贯和易于理解。 实验结果证明，基于事件网络的文本自动摘要方法在抽取摘要时表现出色，能有效提取文本的核心内容，提高了摘要的质量和准确性。这种方法对于信息处理、新闻聚合以及大数据分析等领域具有实际应用价值。 关键词：文本表示、事件本体、事件网络、PAGE_RANK、数据挖掘、自然语言处理。文章的作者分别来自上海大学计算机工程与科学学院和江西理工大学信息工程学院，他们的研究领域涵盖了知识表示、自然语言处理、Web数据挖掘、人工智能、软件工程、语义本体和数据挖掘等多个方面。 这篇研究论文提出了一种基于事件网络的文本自动摘要新方法，通过构建事件网络图、应用PAGE_RANK算法以及遵循时间顺序，实现了对文本的高效摘要，为文本信息处理提供了新的思路和技术支持。