中文文件串流之摘要擷取研究

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：60

、訪客IP：3.149.251.168

姓名

張昇暉(Sheng-Hui Chang) 查詢紙本館藏

畢業系所

資訊管理學系

論文名稱

中文文件串流之摘要擷取研究

相關論文

★ 網路合作式協同教學設計平台－以國中九年一貫課程為例	★ 內容管理機制於常用問答集(FAQ)之應用
★ 行動多重代理人技術於排課系統之應用	★ 存取控制機制與國內資安規範之研究
★ 信用卡系統導入NFC手機交易機制探討	★ App應用在電子商務的推薦服務-以P公司為例
★ 建置服務導向系統改善生產之流程-以W公司PMS系統為例	★ NFC行動支付之TSM平台規劃與導入
★ 關鍵字行銷在半導體通路商運用-以G公司為例	★ 探討國內田徑競賽資訊系統－以103年全國大專田徑公開賽資訊系統為例
★ 航空地勤機坪作業盤櫃追蹤管理系統導入成效評估—以F公司為例	★ 導入資訊安全管理制度之資安管理成熟度研究－以B個案公司為例
★ 資料探勘技術在電影推薦上的應用研究-以F線上影音平台為例	★ BI視覺化工具運用於資安日誌分析—以S公司為例
★ 特權帳號登入行為即時分析系統之實證研究	★ 郵件系統異常使用行為偵測與處理-以T公司為例

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

隨著新聞媒體的蓬勃發展，新聞的產生是一連串的文件串流，過往使用以NGD為基礎之方式，找出和標題關鍵字具高度相關性的主題關鍵字，然而此步驟由於透過Solr全文檢索系統進行查詢，需要耗費相當長的時間，而使用非監督式圖形化摘要方法，其建立文句網路之結果也不如預期，以致於品質仍有提升空間。將過去應用於英文自動摘要之技術直接使用於中文自動摘要，然而其品質與效率皆不如預期。本研究透過增加中文詞性辨別強化中文分詞結果、以TextRank為基礎之關鍵字擷取和鏈結分析法和考慮了文句位置特徵，不僅在單文件摘要得到了較好的品質，且速度也提升了許多。並以單文件摘要方法為基礎，以瀑布式架構結合文句分群進行動態多文件摘要，不但能產生隨時間演進之摘要，也能過濾文件間的冗餘訊息。

摘要(英)

With the rapid development of news media, and the news is a series of document stream. In the past, the production methods of news summary were based on NGD method, it found the keywords which were highly correlated to the title. However, because that method is through the Solr full text search system, it would take lots of time. In the other way, there are still a lot of improvements in quality for the unsupervised graph-based method, since the result of the sentence network is not as good as expected. Nevertheless, when used the techniques for the English summaries in Chinese summaries directly, the quality and efficiency are still not as good as expected.
In this study, I enhance the Chinese word segmentation with increasing the Chinese part of speech recognition. In addition, I take into account the positions of the sentence through adopting the TextRank-based keyword extraction and link-analysis method. Eventually, not only it improves the quality of the single document, but also the speed is well improved.
At last, based on the single document summary method, I use the sentence grouping in the waterfall architecture to produce the dynamic multi-document summary. It can produce the summary with the evolution of time, and also filter the redundant message in the documents.

關鍵字(中)

★ 動態摘要
★ 擷取式摘要
★ 單文件摘要
★ 多文件摘要
★ 中文摘要

關鍵字(英)

★ Dynamic Summarization
★ Extractive Summarization
★ General Summarization
★ Chinese Summarization

論文目次

摘要 iv
Abstract v
致謝 vi
目錄 vii
圖目錄 x
表目錄 xi
一、緒論 1
1-1 研究背景 1
1-2 研究動機 2
1-3 研究目的 4
二、相關研究 5
2-1 自動文件摘要 5
2-2 單文件到多文件摘要 6
2-3 文句特徵摘要方法 7
2-3-1 關鍵詞萃取 7
2-3-2 文句位置特徵 8
2-4 圖形化摘要方法 9
2-5 文句相似度 9
2-5-1 傑卡德係數 9
2-5-2 餘弦相似度 10
2-5-3 BM25 11
2-6 鏈結分析方法 12
2-6-1 Degree 13
2-6-2 Strength 13
2-6-3 K-core 14
2-6-4 Locality Index 14
2-6-5 PageRank 15
2-7 K-medoids分群法 16
2-8 中文斷詞 16
三、系統架構 17
3-1 系統概念與流程 17
3-2 單一文件摘要 19
3-2-1 前處理流程 19
3-2-2 建立詞彙網路 20
3-2-3 建立文句網路 21
3-2-4 文句計分 22
3-3 多文件摘要 26
3-3-1 瀑布式架構 26
3-3-2 文句長度 28
3-3-3 文句分群 29
3-3-4 文句計分 30
四、實驗設計與結果 31
4-1 資料集 31
4-1-1 單文件摘要資料集 31
4-1-2 多文件摘要資料集 31
4-2 摘要評估成果準則 32
4-2-1 單文件摘要 32
4-2-2 多文件摘要 32
4-3 實驗結果與討論 33
4-3-1 單文件摘要 33
4-3-2 多文件實驗 38
五、結論與未來研究方向 43
5-1 結論 43
5-2 未來研究方向 43
5-3 研究限制 44
參考文獻 45
中文部分 45
英文部分 45
網路資料 47

參考文獻

［1］黃慶杰，「以文件間差異為基礎並實作中文摘要」，碩士論文，國立中央大學資訊管理研究所，2016。
［2］曹洋、成穎，「基於TextRank算法的單文檔自動文摘摘要」, 南京大學, 研究生畢業論文，2016。
［3］王蓮淨，「以主題事件追蹤為基礎之摘要擷取」，碩士論文，國立中央大學資訊管理研究所，2015。
［4］蘇鼎文，「探討多重記憶系統應用於遺忘因子的使用者興趣模型」，碩士論文，國立中央大學資訊管理研究所，2014。
［5］鄭奕駿，「離線搜尋Wikipedia 以縮減NGD 運算時間之研究」，碩士論文，國立中央大學資訊管理研究所，2012。
［6］郭海蓉、張暉，「增量聚類在動太多文檔摘要中的研究與應用」，中國西南科技大學研究生學位論文，2012。
［7］朱巧明等主編，中文信息處理技術教程，清華大學出版社，2005。
［8］ Abuobieda, A., Salim, N. and Albaham, A.T., “Text Summarization Features Selection Method using Pseudo Genetic-based Model,” International Conference on Information Retrieval & Knowledge Management, 2012.
［9］ Antiqueira, L., Oliveria, O.N., Costa, L.F. and Nunes, M.G.V., “A complex network approach to text summarization,” Information Sciences, Vol.179, pp. 584-599, 2009.
［10］ Hu, B., Chen, Q. and Zhu, F., “LCSTS: A Large Scale Chinese Short Text Summarization Dataset”, Proceedings of Empirical Method in Natural Language Processing (EMNLP), pp.1967–1972, 2015.
［11］ Aggarwal, C. and Zhai, C., “Mining text data”, Springer New York Dordrecht Heidelberg London, vol. 4, no. 2(63), 2012.
［12］ Cilibrasi, R.L. and Vitanyi, P.M.B., “The Google Similarity Distance,” IEEE Transactions on Knowledge and Data Engineering, Vol.19, No.3, pp. 370-383, 2007.
［13］ Radev, D.R., Hovy, E., and McKeown, K., “Introduction to the special issue on summarization,” Comput. Linguist., vol. 28, no. 4, pp. 399–408, 2002.
［14］ Shimizu, N., Hagiwara, M., Ogawa, Y., Toyama, K. and Nakagawa, H., “Metric Learning for Synonym Acquisition,” pp. 793–800, 2008.
［15］ Neto, J., Santos, A., and Kaestner, C., “Document clustering and text summarization,” Proc. 4th Int. Conf, 2000.
［16］ Hagiwara, M., Ogawa, Y. and Toyama, K., “Effective Use of Indirect Dependency for Distributional Similarity,” Inf. Media Tehnol., no. 3(4), pp. 864–887, 2008.
［17］ Marujo, L., Ling, W., Ribeiro, R., Gershman, A., Carbonell, J., Matos, D.M. and Neto, J.P., “Exploring events and distributed representations of text in multi-document summarization,” Knowledge-Based Systems, Vol.94, pp. 33–42, 2016.
［18］ Mikolov, T, Chen, K., Corrado, G., Dean, J. and Dean, J., “Efficient Estimation of Word Representations in Vector Space”, Computer Science, pp. 28-36, Jan 2013.
［19］ Morris, A.G., Kasper, G.M. and Adams, D.A., “The effects and limitations of automated text condensing on reading comprehension performance”, Information Systems Research, pp. 17-35, 1992
［20］ Baxendale, P.E., “Machine-made index for technical literature-an experiment”, IBM Journal of Research and Development, pp. 354-361, 1958.
［21］ Chen, P.I. and Lin, S.J., “Word AdHoc Network: Using Google Core Distance to extract the most relevant information,” Knowledge-Based Syst., vol. 24, no. 3, pp.393–405, 2011.
［22］ Takamura, H., Yokono, H., Okumura, M., “Summarizing a Document Stream.” In: Clough P. et al. (eds) Advances in Information Retrieval. ECIR 2011. Lecture Notes in Computer Science, vol 6611. Springer, Berlin, Heidelberg, 2011.
［23］中研院，中文斷詞系統CKIP，檢自：http://ckipsvr.iis.sinica.edu.tw
［24］唐鳳，萌典，取自: https://www.moedict.tw/about.html
［25］ FUKUBALL，結巴分詞系統，取自：https://github.com/fxsjy/jieba
［26］ TVBS新聞網「法國總統議題包」，取自：http://news.tvbs.com.tw/pack/packdetail/108

指導教授

林熙禎(She-Jen Lin)

審核日期

2017-7-26

推文