基于词语热度的启发式中文句子压缩算法

• 作者: 张东站 韩静
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 中文句子压缩 热词 语言学 句法分析树
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 132-139
• 页数: 8页
• 分类号: TP391.1
• 字数: 9647字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1305-0261

摘要

传统的句子压缩方法多基于难以获得的“原句-压缩句”对齐语料库，因此提出了不依赖于对齐语料库的中文句子压缩算法。通过研究人工压缩结果并结合语言学知识，提出了词语层面和分句层面的两组压缩规则。算法在原句句法分析树和词语间依赖关系的基础上，使用两组规则进行压缩，同时为了保证压缩算法具有更强的适应性和准确性，引入词语的热度加强了压缩算法，最后通过句子整理和语法修复得到最终的压缩句。对比了人工压缩、只使用规则压缩和引入词语热度压缩三种压缩方法。实验结果表明，基于热度的启发式中文句子压缩算法可以在压缩比、语法性、信息量都损失较少的情况下，提高压缩句的热度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张东站	厦门大学信息科学与技术学院	43	357	9.0	18.0
2	韩静	厦门大学信息科学与技术学院	4	10	2.0	3.0