基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在当今网络信息化发展迅速的时代,每时每刻都有大量的信息产生,其中以文本信息居多,自动文摘技术能够从一段文本中快速准确提取出其核心内容,相比关键词或句子作为摘要的可读性更高,可提高读者获取信息的效率.本文使用Python语言,利用TextRank算法,首先将文本切分成句子作为网络顶点(Vertex),再将文本预处理后,计算句子相似度作为边(Edge)的权重,表示各句子间的关系,构建候选句子图模型.最后根据算法为每个句子进行评分,将评分结果进行倒序排序,排在最前面得分较高的句子就是该文本的摘要.该方法能够帮助读者高效高质量地阅读、检索及管理文本,为人们阅读文献提供了便利.
推荐文章
中文语义组块自动抽取方法
语义表述
深度信念网络
深度学习
中文语义组块
基于深度学习的中文实体关系抽取方法
关系抽取
依存分析
最短依存路径
长短期记忆网络
卷积神经网络
一种基于深度学习的中文生成式自动摘要方法
深度学习
生成式自动摘要
笔画向量
Seq2Seq
注意力机制
融合语言特征的抽象式中文摘要模型
抽象式摘要模型
语言特征
关键实体
词向量
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于深度学习的中文抽取式摘要方法应用
来源期刊 科教导刊 学科 工学
关键词 自动摘要 TextRank 中文分词 深度学习
年,卷(期) 2019,(14) 所属期刊栏目 学科探索
研究方向 页码范围 69-70
页数 2页 分类号 TP391
字数 2229字 语种 中文
DOI 10.16400/j.cnki.kjdkz.2019.05.032
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (44)
共引文献  (100)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(6)
  • 参考文献(0)
  • 二级参考文献(6)
2014(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(3)
  • 参考文献(0)
  • 二级参考文献(3)
2016(4)
  • 参考文献(1)
  • 二级参考文献(3)
2017(3)
  • 参考文献(1)
  • 二级参考文献(2)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
自动摘要
TextRank
中文分词
深度学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
科教导刊
旬刊
chi
出版文献量(篇)
50031
总下载数(次)
124
论文1v1指导