本發(fā)明涉及自然語(yǔ)言處理技術(shù)領(lǐng)域，尤其涉及一種多語(yǔ)言自動(dòng)文摘方法。

背景技術(shù)：

隨著大數(shù)據(jù)時(shí)代到來(lái)，多語(yǔ)言信息，例如多語(yǔ)言新聞文檔隨處可見(jiàn)。有效地分析多語(yǔ)言文檔集合，獲取其中的重要信息，并按照用戶需求的語(yǔ)言呈現(xiàn)給用戶，可以幫助用戶快速、便利地理解該文檔集合的主體信息。以中文、英文文檔集合生成中文摘要為例，最簡(jiǎn)單的做法是首先將英文文檔通過(guò)機(jī)器翻譯翻譯為中文，然后將其與中文文檔一起，通過(guò)傳統(tǒng)的多文檔自動(dòng)摘要方法，生成中文摘要。然而，機(jī)器翻譯的效果往往不能令人滿意，存在很多錯(cuò)誤，使得機(jī)器翻譯譯文的可讀性較差。多語(yǔ)言自動(dòng)文摘評(píng)測(cè)會(huì)議(MSE)在2005年進(jìn)行了多語(yǔ)言自動(dòng)文摘評(píng)測(cè)，Daume III和Marcu獲得了評(píng)測(cè)的冠軍，并和其他隊(duì)伍得出類似的結(jié)論：當(dāng)不使用機(jī)器翻譯譯文文檔集合時(shí)，摘要的ROUGE得分(一種評(píng)價(jià)生成摘要和參考摘要重合度的指標(biāo))最高。一方面，機(jī)器翻譯譯文存在很多錯(cuò)誤，使用機(jī)器翻譯譯文會(huì)引入很多噪音，降低可讀性；另一方面，機(jī)器翻譯譯文文檔中的信息不會(huì)被非譯文文檔完全覆蓋，即機(jī)器翻譯譯文文檔仍然會(huì)給我們提供很多有價(jià)值的信息，我們還是需要利用機(jī)器翻譯譯文增強(qiáng)摘要的信息量。多語(yǔ)言自動(dòng)文摘方法需要平衡可讀性和信息量。

技術(shù)實(shí)現(xiàn)要素：

為了解決現(xiàn)有技術(shù)中的上述問(wèn)題，即為了實(shí)現(xiàn)如何獲取指定語(yǔ)言的摘要，且在保證該摘要含有更多的重要信息的信息量時(shí)，提高可讀性?；诖?，本發(fā)明提供了一種多語(yǔ)言自動(dòng)文摘方法，包括以下步驟：

步驟1，獲取多個(gè)目標(biāo)語(yǔ)言文檔中的多個(gè)謂詞論元結(jié)構(gòu)；

步驟2，對(duì)所述多個(gè)謂詞論元結(jié)構(gòu)中的每一個(gè)謂詞論元進(jìn)行重要性打分；

步驟3，根據(jù)所述每一個(gè)謂詞論元的重要性得分，生成目標(biāo)語(yǔ)言摘要。

優(yōu)選地，對(duì)所述謂多個(gè)詞論元結(jié)構(gòu)中的每一個(gè)謂詞論元進(jìn)行重要性打分，包括如下步驟：

步驟21，計(jì)算組成所述謂詞論元的詞向量的加權(quán)平均數(shù)，得到所述謂詞論元的短語(yǔ)向量；

步驟22，根據(jù)所述謂詞論元的短語(yǔ)向量計(jì)算所述謂詞論元結(jié)構(gòu)中謂詞論元的相似度；

步驟23，利用所述相似度獲取語(yǔ)義相同的謂詞論元；

步驟24，根據(jù)所述相似度計(jì)算謂詞論元的重要性得分。

優(yōu)選地，所述根據(jù)所述謂詞論元的短語(yǔ)向量計(jì)算所述謂詞論元結(jié)構(gòu)中謂詞論元的相似度，具體包括：

在每一目標(biāo)語(yǔ)言文檔中分別任選一個(gè)謂詞論元，每?jī)蓚€(gè)謂詞論元根據(jù)各自的短語(yǔ)向量計(jì)算該兩個(gè)間的相似度，直至所有目標(biāo)語(yǔ)言文檔中的所有個(gè)謂詞論元均任意兩個(gè)匹配計(jì)算完相似度為止。

優(yōu)選地，所述利用所述相似度獲取語(yǔ)義相同的謂詞論元，具體包括：

當(dāng)所述相似度大于預(yù)設(shè)閾值時(shí)，確認(rèn)所述相似度所屬的謂詞論元語(yǔ)義相同。

優(yōu)選地，在根據(jù)所述相似度計(jì)算謂詞論元的重要性得分時(shí)，通過(guò)如下計(jì)算公式：

利用上述兩個(gè)公式分別進(jìn)行迭代計(jì)算，直到迭代計(jì)算結(jié)果穩(wěn)定時(shí)得到各謂詞論元的重要性得分；

其中，c_i和c_j為任意兩個(gè)謂詞論元，u(c_i)為c_i的重要性得分，u(c_j)為c_j的重要性得分，μ是平滑因子，M_ij表示c_i與c_j的相似度，N為謂詞論元總數(shù)。

優(yōu)選地，所述根據(jù)所述每一個(gè)謂詞論元的重要性得分，生成目標(biāo)語(yǔ)言摘要，具體包括：

根據(jù)每一個(gè)謂詞論元的重要性得分、謂詞論元生成目標(biāo)語(yǔ)言摘要的目標(biāo)函數(shù)以及約束集合，選取符合的謂詞論元集合；

將所述謂詞論元集合中的各個(gè)謂詞論元構(gòu)成所述目標(biāo)語(yǔ)言摘要。

優(yōu)選地，所述步驟1之前還包括：

對(duì)多個(gè)請(qǐng)求語(yǔ)言文檔進(jìn)行翻譯，得到多個(gè)統(tǒng)一為目標(biāo)語(yǔ)言的目標(biāo)語(yǔ)言文檔。

與現(xiàn)有技術(shù)相比，本發(fā)明至少具有以下優(yōu)點(diǎn)：

通過(guò)本發(fā)明中的多語(yǔ)言自動(dòng)文摘設(shè)計(jì)，實(shí)現(xiàn)了獲取指定語(yǔ)言的摘要，且在保證該摘要含有更多的重要信息的信息量時(shí)，提高可讀性。

附圖說(shuō)明

圖1是本發(fā)明提出的多語(yǔ)言自動(dòng)文摘方法的流程示意圖；

圖2是本發(fā)明提供的語(yǔ)義角色標(biāo)注的實(shí)例示意圖；

圖3是本發(fā)明提出的是通過(guò)融合謂詞論元結(jié)構(gòu)生成摘要的示意圖；其中，(a)、(b)和(c)來(lái)自輸入文檔；(d)是(c)的機(jī)器翻譯譯文；(e)是最終生成的摘要。

具體實(shí)施方式

下面參照附圖來(lái)描述本發(fā)明的優(yōu)選實(shí)施方式。本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解的是，這些實(shí)施方式僅僅用于解釋本發(fā)明的技術(shù)原理，并非旨在限制本發(fā)明的保護(hù)范圍。

在本發(fā)明中，提供了一種多語(yǔ)言自動(dòng)文摘方法，該多語(yǔ)言包含了目標(biāo)語(yǔ)言和非目標(biāo)語(yǔ)言，如圖1所示，具體包括如下步驟：

步驟101，獲取多個(gè)目標(biāo)語(yǔ)言文檔中的多個(gè)謂詞論元結(jié)構(gòu)。

在本步驟之前，還包括：

對(duì)多個(gè)請(qǐng)求語(yǔ)言文檔進(jìn)行翻譯，得到多個(gè)統(tǒng)一為目標(biāo)語(yǔ)言的目標(biāo)語(yǔ)言文檔；即將非目標(biāo)語(yǔ)言文檔全部翻譯為目標(biāo)語(yǔ)言文檔。其中，該翻譯可以是通過(guò)機(jī)器翻譯，可以使用本地機(jī)器翻譯系統(tǒng)，或者在線機(jī)器翻譯，例如百度翻譯，但并不僅局限于該種翻譯方式。

本步驟中，在獲取謂詞論元結(jié)構(gòu)時(shí)，依據(jù)語(yǔ)義角色標(biāo)注處理，將原句劃分為多個(gè)謂詞、論元，利用重要謂詞和論元構(gòu)成摘要。語(yǔ)義角色標(biāo)注是一種自然語(yǔ)言處理領(lǐng)域的淺層語(yǔ)義分析技術(shù)。它以句子為單位，分析句子中的謂詞與其相關(guān)成分之間的語(yǔ)義關(guān)系，進(jìn)而獲取句子所表達(dá)語(yǔ)義的淺層表示。由于語(yǔ)義角色標(biāo)注可以提供較為簡(jiǎn)潔、準(zhǔn)確、有益的分析結(jié)果，因此近年來(lái)受到了學(xué)術(shù)界的普遍重視，并已經(jīng)成功地應(yīng)用到信息抽取、自動(dòng)問(wèn)答、機(jī)器翻譯等任務(wù)中。

語(yǔ)義角色標(biāo)注以句子中的謂詞為核心，分析句子中的其相關(guān)成分與謂詞之間的相互關(guān)系，因此謂詞在句子的語(yǔ)義表達(dá)中處于核心的支配地位，其它成分均為謂詞服務(wù)。一個(gè)謂詞代表了一個(gè)事件，而與謂詞相關(guān)的句子成分通常代表與事件相關(guān)的成分，比如該事件的施事者、受事者，以及事件發(fā)生的時(shí)間、地點(diǎn)、方式、原因等。在語(yǔ)義角色標(biāo)注任務(wù)中，上述與事件相關(guān)的成分被稱為謂詞的一個(gè)論元，而且每個(gè)論元都有一個(gè)相對(duì)于謂詞的語(yǔ)義角色，比如施事者、受事者。下面是一個(gè)語(yǔ)義角色標(biāo)注的例子：

[警方]Agent[正在]Time[詳細(xì)]Adverbial[調(diào)查]Pred[事故原因]Patient

其中“調(diào)查”是謂詞，代表了一個(gè)事件，“警方”是施事者，“事故原因”是受事者，“正在”是事件發(fā)生的時(shí)間，“詳細(xì)”是事件的修飾語(yǔ)。由此可見(jiàn)，語(yǔ)義角色標(biāo)注能夠抽取出一個(gè)句子表達(dá)的事件的全部重要信息。

命題庫(kù)(Proposition Bank,Prop Bank)是受到語(yǔ)義角色與句法信息的研究啟發(fā)而建立的。命題庫(kù)把語(yǔ)義角色分為兩大類。第一類語(yǔ)義角色是與具體謂詞直接相關(guān)的，這些角色用ARG0，ARG2，ARG3，ARG4，ARG5表示，比如ARG0通常表示動(dòng)作的施事，ARG1通常表示動(dòng)作的影響等，ARG2-ARG5對(duì)于不同的謂語(yǔ)動(dòng)詞會(huì)有不同的語(yǔ)義含義；第二類語(yǔ)義角色是起修飾作用的輔助性角色，其角色標(biāo)簽都以ARGM開(kāi)頭，常見(jiàn)的有表示時(shí)間的角色ARGM-TMP，表示地理位置的角色ARGM-LOC，表示一般性修飾成分的角色ARGM-ADV等。如圖2所示，是三個(gè)標(biāo)注實(shí)例。對(duì)于每一個(gè)至少包含一個(gè)ARG0和一個(gè)ARG1的謂詞論元結(jié)構(gòu)，我們提取其謂詞，ARG0，ARG1，ARGM-LOC和ARGM-TMP作為謂詞和重要論元，用于構(gòu)建摘要。其他論元，比如ARG3-5，ARGM-MOD和ARGM-ADV等被認(rèn)為是次要論元，不參與摘要構(gòu)建。

步驟102，對(duì)所述多個(gè)謂詞論元結(jié)構(gòu)中的每一個(gè)謂詞論元進(jìn)行重要性打分。

在該步驟中，具體包括：

步驟201，計(jì)算組成所述謂詞論元的詞向量的加權(quán)平均數(shù)，得到所述謂詞論元的短語(yǔ)向量；其中，利用Word2Vec工具在大規(guī)模中文單語(yǔ)語(yǔ)料上訓(xùn)練300維的詞向量；對(duì)于每一個(gè)謂詞論元，我們將組成其謂詞或論元的詞的向量相加，取平均，作為該謂詞論元的短語(yǔ)向量；

步驟202，根據(jù)所述謂詞論元的短語(yǔ)向量計(jì)算所述謂詞論元結(jié)構(gòu)中謂詞論元的相似度；其中，例如用余弦相似度計(jì)算論元和謂詞的之間的相似度；所述根據(jù)所述謂詞論元的短語(yǔ)向量計(jì)算所述謂詞論元結(jié)構(gòu)中謂詞論元的相似度，具體包括：

在所有的目標(biāo)語(yǔ)言文檔中分別任選一個(gè)謂詞論元，根據(jù)各自的短語(yǔ)向量計(jì)算這兩個(gè)謂詞論元的語(yǔ)義相似度，直至所有目標(biāo)語(yǔ)言文檔中的所有謂詞論元均任意兩個(gè)計(jì)算完相似度為止。

步驟203，利用所述相似度獲取來(lái)自不同語(yǔ)言的語(yǔ)義相同的謂詞論元；

該步驟具體包括：

當(dāng)所述來(lái)自不同目標(biāo)語(yǔ)言文檔的兩個(gè)謂詞論元之間的相似度大于預(yù)設(shè)閾值時(shí)，確認(rèn)所述相似度所屬的來(lái)自不同目標(biāo)語(yǔ)言文檔的謂詞論元語(yǔ)義相同。

進(jìn)一步地，對(duì)于所有的跨語(yǔ)言的(謂詞，謂詞)、(論元，論元)、(謂詞，論元)對(duì)，如果其相似度大于某閾值，我們認(rèn)為其是語(yǔ)義相同的。該閾值可以通過(guò)在MSR語(yǔ)料測(cè)試獲得。MSR語(yǔ)料是一個(gè)釋義句語(yǔ)料庫(kù)，一共含有5801個(gè)句對(duì)，其中3900個(gè)句對(duì)是語(yǔ)義相同的。

步驟204，根據(jù)所述相似度計(jì)算謂詞論元的重要性得分。

本步驟中，利用改進(jìn)的PageRank算法進(jìn)行重要性得分計(jì)算；

PageRank算法通過(guò)迭代遞歸計(jì)算來(lái)更新每個(gè)謂詞論元的重要性得分，直到得分穩(wěn)定為止。具體的計(jì)算公式如下：

其中，c_i和c_j為任意謂詞論元，u(c_i)為c_i的重要性得分，u(c_j)為c_j的重要性得分，μ是平滑因子，M_ij表示c_i與c_j的相似度，N為謂詞論元總數(shù)。當(dāng)來(lái)自目標(biāo)語(yǔ)言文檔的謂詞論元c_i和非目標(biāo)語(yǔ)言的謂詞論元c_j語(yǔ)義相同時(shí)，M_ij被置零。

利用上述公式，可以分別計(jì)算每一個(gè)謂詞論元c_i的得分，通過(guò)迭代計(jì)算，直到迭代計(jì)算結(jié)果穩(wěn)定時(shí)得到各謂詞論元的最終的重要性得分。

為了提高摘要的可讀性，對(duì)于在那些能夠在非譯文文檔中找到語(yǔ)義對(duì)應(yīng)的譯文論元，本發(fā)明傾向于選擇非譯文論元(指的該語(yǔ)言文檔的語(yǔ)言為目標(biāo)語(yǔ)言)，而那些無(wú)法在非譯文文檔找到語(yǔ)義對(duì)應(yīng)的譯文論元的不受影響。圖3是一個(gè)實(shí)例，其中(a)(b)來(lái)自中文文檔，(c)來(lái)自英文文檔，(d)是(c)的機(jī)器翻譯譯文，不難發(fā)現(xiàn)，(d)的翻譯存在錯(cuò)誤，例如將“Turkey would not apologize over the downing of the plane.”翻譯為“土耳其不會(huì)對(duì)飛機(jī)倒塌表示歉意”(準(zhǔn)確的譯文應(yīng)該是“土耳其不會(huì)對(duì)飛機(jī)墜落道歉”)。(a)中的ARG1——“土耳其拒絕為擊落俄羅斯戰(zhàn)機(jī)事件道歉”表達(dá)了相同的含義。在給論元打分時(shí)，我們傾向于給(a)的ARG1更高的得分，而(d)的ARG1較低得分。

為了實(shí)現(xiàn)該目的，本發(fā)明對(duì)傳統(tǒng)的PageRank算法提出以下修改：將不同語(yǔ)言之間的、語(yǔ)義相同的謂詞或論元之間連接權(quán)重改為單向，即將該權(quán)重由譯文一側(cè)指向非譯文一側(cè)，從而鼓勵(lì)非譯文謂詞或論元獲得更高的得分，同時(shí)，那些無(wú)法在非譯文文檔找到語(yǔ)義對(duì)應(yīng)的重要的譯文論元的得分不受影響。

為了實(shí)現(xiàn)這一目標(biāo)，我們提出一種引導(dǎo)排序的策略，修改跨語(yǔ)言謂詞或論元之間的相似度矩陣。對(duì)于M_ij，我們可以理解為c_j傳遞給c_i的得分權(quán)重，當(dāng)c_i來(lái)自譯文文檔，而c_j來(lái)自于非譯文文檔，并且c_j和c_i語(yǔ)義相同時(shí)，相比于c_i，c_j應(yīng)該具有更高的得分，即c_i應(yīng)該把權(quán)重傳遞給c_j,c_j不應(yīng)該把權(quán)重傳遞給c_i，即，M_ij＝0(語(yǔ)義相同)，M_ji保持不變。而對(duì)于那些在非譯文文檔中找不到語(yǔ)義相同的譯文謂詞或論元，其與非譯文謂詞和論元的相似度矩陣不變。

步驟103，根據(jù)所述每一個(gè)謂詞論元的重要性得分，生成目標(biāo)語(yǔ)言摘要。

本步驟具體包括：

根據(jù)每一個(gè)謂詞論元的重要性得分、謂詞論元生成目標(biāo)語(yǔ)言摘要的目標(biāo)函數(shù)以及約束集合，選取符合的謂詞論元集合；

將所述謂詞論元集合中的各個(gè)謂詞論元構(gòu)成所述目標(biāo)語(yǔ)言摘要。

在本步驟中，還利用了整數(shù)線性規(guī)劃。我們將ARG0記做AG(Agent，實(shí)施者)，將謂詞+ARG1(+ARG2)記做CF(Core Fact，核心事實(shí))，將ARGM-TMP和ARGM-LOC記做AF(Auxiliary Fact，輔助事實(shí))，利用步驟3獲得的謂詞和論元，通過(guò)整數(shù)線性規(guī)劃生成摘要該過(guò)程，即是選取重要并且冗余度低的AG、CF和AF集合，利用這些選中的AG、CF和AF組成新句子的過(guò)程。該過(guò)程分為4個(gè)子步驟,分別是：

(1)定義抽取用于生成摘要的論元和謂詞的目標(biāo)函數(shù)；

(2)定義語(yǔ)法約束、共現(xiàn)約束和長(zhǎng)度約束；

(3)通過(guò)整數(shù)線性規(guī)劃，選取最大化目標(biāo)函數(shù)且滿足約束的論元和謂詞集合；

(4)將選中的論元和謂詞組成合法的句子。

對(duì)于子步驟(1)，該目標(biāo)函數(shù)對(duì)論元或謂詞的重要性得分進(jìn)行獎(jiǎng)勵(lì)，同時(shí)，對(duì)被選中的謂詞和論元相似度進(jìn)行懲罰。具體如下式：

上式中，和分別表示AG_i、CF_i和AF_i的重要性得分；α_i、β_i和γ_i分別表示AG_i、CF_i和AF_i是否被選中；α_ij表示AG_i和AG_j是否被同時(shí)選中，β_ij表示CF_i和CF_j是否被同時(shí)選中，γ_ij表示AF_i和AF_j是否被同時(shí)選中；和表示AG,CF和AF間的余弦相似度；λ是對(duì)冗余性的懲罰因子，取0.01。

對(duì)于子步驟(2)，語(yǔ)法約束如下：

為了使得選中的謂詞和論元能夠構(gòu)成合法的句子，即AG,CF和AF集合能構(gòu)成合法的句子，被選中的AG,CF和AF必須滿足語(yǔ)法約束，即：

每個(gè)被選中的AG必須都能在原文檔中找到搭配過(guò)的CF；

每個(gè)被選中的CF必須都能在原文檔中找到搭配過(guò)的AG；

每個(gè)被選中的AF必須都能在原文檔中找到搭配過(guò)的CF；

只有滿足以上三個(gè)條件，被選中的AG,CF和AF最終才能構(gòu)成形如“AG_iCF_jAF_k”的摘要句子。

共現(xiàn)約束如下：

當(dāng)α_ij＝1時(shí)，α_i和α_j必須同時(shí)為1；當(dāng)α_i和α_j其中至少有一個(gè)不為1時(shí)，α_ij必須為0。

同理，當(dāng)β_ij＝1時(shí)，β_i和β_j必須同時(shí)為1；當(dāng)β_i和β_j其中至少有一個(gè)不為1時(shí)，β_ij必須為0。當(dāng)γ_ij＝1時(shí)，γ_i和γ_j必須同時(shí)為1；當(dāng)γ_i和γ_j其中至少有一個(gè)不為1時(shí)，γ_ij必須為0。

長(zhǎng)度約束如下：

為了公平的評(píng)價(jià)不同的生成摘要方法，最終生成的摘要必須滿足長(zhǎng)度限制，如本實(shí)驗(yàn)定義的400個(gè)漢字。

對(duì)于子步驟(3)，通過(guò)以上兩個(gè)子步驟定義的目標(biāo)函數(shù)和約束條件，我們可以利用整數(shù)線性規(guī)劃選取重要且冗余性低的AG,CF和AF集合。我們使用lp_solve工具包解決整數(shù)線性規(guī)劃問(wèn)題。

對(duì)于子步驟(4)，按照原文檔中出現(xiàn)過(guò)的謂詞和論元的搭配，將這些論元和謂詞融合為新句子作為摘要。對(duì)于那些出現(xiàn)在不同原文檔中摘要句子，按照原文檔的日期先后排序；對(duì)于那些出現(xiàn)在相同原文檔中摘要句子，按照其出現(xiàn)在原文檔中的先后排序。

5.實(shí)驗(yàn)設(shè)置

5.1.實(shí)驗(yàn)數(shù)據(jù)集

在實(shí)驗(yàn)中我們利用自己標(biāo)注的多語(yǔ)言自動(dòng)文摘數(shù)據(jù)集驗(yàn)證本發(fā)明的可行性。本數(shù)據(jù)集含有15個(gè)文檔集合，每個(gè)集合對(duì)應(yīng)一個(gè)2015年的熱門新聞話題，每個(gè)集合包含20篇中文新聞和20篇英文新聞，平均每個(gè)集合含有447個(gè)中文句子，513個(gè)英文句子。平均每個(gè)中文文檔含有556個(gè)詞語(yǔ)，每個(gè)英文文檔含有590個(gè)單詞。一共有九個(gè)標(biāo)注者參與了數(shù)據(jù)集的標(biāo)注，即生成人工摘要。對(duì)于每個(gè)集合，三個(gè)標(biāo)注者分別生成一份400個(gè)字左右的中文摘要。

5.2.對(duì)比實(shí)驗(yàn)

我們?cè)O(shè)計(jì)了以下三種對(duì)比的基線系統(tǒng)，這些對(duì)比實(shí)驗(yàn)均沒(méi)有采用引導(dǎo)排序的策略。

(1)中文基線系統(tǒng)：該基線系統(tǒng)只使用中文文檔生成中文摘要。

(2)英文基線系統(tǒng)：該基線系統(tǒng)只使用英文譯文文檔生成中文摘要。

(3)中、英文基線系統(tǒng)：該基線系統(tǒng)使用中文和英文譯文文檔生成中文摘要。

5.3.評(píng)價(jià)指標(biāo)

通過(guò)計(jì)算生成摘要與參考摘要(人工生成摘要)的內(nèi)容的重合度，自動(dòng)評(píng)價(jià)生成摘要的質(zhì)量。Lin對(duì)摘要自動(dòng)評(píng)測(cè)做了大量工作，他參考機(jī)器翻譯中BLEU方法的提出ROUGE。Lin的評(píng)測(cè)方法里使用最廣的是ROUGE的各種變體，如ROUGE-N(N取1-5)，ROUGE-L，以及ROUGE-SU4。本實(shí)驗(yàn)中，采用了使用較為廣泛的ROUGE-1，ROUGE-2和ROUGE-SU4等指標(biāo)對(duì)生成摘要進(jìn)行評(píng)測(cè)。

5.4.實(shí)驗(yàn)結(jié)果

附表1給出了不同系統(tǒng)的多語(yǔ)言自動(dòng)摘要的ROUGE得分。我們可以看到在三個(gè)基線系統(tǒng)中，英文基線系統(tǒng)表現(xiàn)最差，中文基線系統(tǒng)表現(xiàn)最好，中、英文基線系統(tǒng)介于兩者之間。雖然中、英文基線系統(tǒng)輸入的信息量最大，但是英文譯文翻譯錯(cuò)誤影響了可讀性。本發(fā)明提出的方法，平衡了信息量和可讀性，取得了優(yōu)于所有基線系統(tǒng)的結(jié)果。

表1多語(yǔ)言自動(dòng)文摘結(jié)果

本發(fā)明的積極效果：

針對(duì)多語(yǔ)言的文檔集合，本發(fā)明可以幫助用戶獲取該多種語(yǔ)言中的指定語(yǔ)言的摘要。由于機(jī)器翻譯的譯文可讀性較差，直接將機(jī)器翻譯譯文和非譯文文檔合并到一起做摘要，會(huì)影響其可讀性。如果不使用機(jī)器翻譯譯文，雖然可讀性會(huì)得到保證，譯文文檔的信息量卻會(huì)損失。本發(fā)明通過(guò)檢測(cè)語(yǔ)義相同的不同語(yǔ)言的文本片段，指導(dǎo)論元的打分，使得那些能夠在非譯文文檔中找到語(yǔ)義對(duì)應(yīng)的譯文論元的權(quán)重傾向于積累到其對(duì)應(yīng)的非譯文論元，而那些無(wú)法在非譯文文檔找到語(yǔ)義對(duì)應(yīng)的譯文論元的權(quán)重不受影響，仍然有機(jī)會(huì)被選中為重要論元，最終參與生成摘要。本發(fā)明能夠在利用譯文文檔保證信息量的同時(shí)，提高可讀性。在我們自己標(biāo)注的中英多語(yǔ)言自動(dòng)文摘數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果顯示，本發(fā)明超越了其他方法，證明了基于本發(fā)明的有效性和優(yōu)越性。

本領(lǐng)域技術(shù)人員應(yīng)該能夠意識(shí)到，結(jié)合本文中所公開(kāi)的實(shí)施例描述的各示例的模塊、及方法步驟，能夠以電子硬件、計(jì)算機(jī)軟件或者二者的結(jié)合來(lái)實(shí)現(xiàn)，為了清楚地說(shuō)明電子硬件和軟件的可互換性，在上述說(shuō)明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以電子硬件還是軟件方式來(lái)執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計(jì)約束條件。本領(lǐng)域技術(shù)人員可以對(duì)每個(gè)特定的應(yīng)用來(lái)使用不同方法來(lái)實(shí)現(xiàn)所描述的功能，但是這種實(shí)現(xiàn)不應(yīng)認(rèn)為超出本發(fā)明的范圍。

至此，已經(jīng)結(jié)合附圖所示的優(yōu)選實(shí)施方式描述了本發(fā)明的技術(shù)方案，但是，本領(lǐng)域技術(shù)人員容易理解的是，本發(fā)明的保護(hù)范圍顯然不局限于這些具體實(shí)施方式。在不偏離本發(fā)明的原理的前提下，本領(lǐng)域技術(shù)人員可以對(duì)相關(guān)技術(shù)特征作出等同的更改或替換，這些更改或替換之后的技術(shù)方案都將落入本發(fā)明的保護(hù)范圍之內(nèi)。