学术问答社区用户生成内容的W2V-MMR自动摘要方法研究

摘要：

[目的]针对当前学术问答社区内用户生成内容的自动摘要生成问题,提出改进的自动摘要聚合方法,为社区内的学术用户提供高效、准确的知识聚合服务.[方法]提出改进的W2V-MMR自动摘要生成算法,在词句得分和相似度计算的过程中,利用基于深度学习的Word2Vec词向量生成模型,优化摘要句信息质量;引入最大边界相关(MMR)的思想,对学术问答社区内的用户生成问答文本进行自动摘要.[结果]本文方法在4组实验数据中获取的信息质量评分分别为:1.422 8、1.447 6、1.592 1、3.416 8,均高于对比实验的MMR、TextRank摘要生成方法.[局限]未考虑摘要句数对结果的影响,未对比不同摘要句数下的摘要生成质量.[结论]本文方法可以有效地应用在学术问答社区的知识聚合服务中,为社区内学术用户提供快速获取知识的新途径.

关键词：学术问答社区、自动摘要、Word2Vec、最大边界相关

所属期刊栏目：4

分类号：N99(情报学、情报工作)

资助基金：本文系国家社会科学基金项目“大数据驱动下学术新媒体知识聚合及创新服务研究”项目编号:18BTQ085

在线出版日期：2020-07-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：109-118