1、近年來，計算機技術的發(fā)展和互聯(lián)網(wǎng)的普及把我們帶入了信息的海洋之中，信息的增長速度已經(jīng)超出了我們的想象。目前，人們主要通過搜索引擎在互聯(lián)網(wǎng)中搜索自己需要的信息，但搜索返回的結果包含了大量冗余信息，使得人們很難在短時間內從這些信息中提取出自己感興趣的部分。多文檔文摘正是為了解決這一問題而產(chǎn)生的一種新技術，它可以將多篇同一主題的文章進行篩選和匯總，從中提取出簡潔、全面的信息，將人們從繁瑣、冗余的信息中解脫出來。 本文在現(xiàn)有的多文檔自動

2、摘要技術基礎之上，對語義概念抽取和聚類算法等關鍵技術展開研究，實現(xiàn)了一個基于統(tǒng)計和語義分析的多文檔自動摘要系統(tǒng)。本文的主要研究內容和特色如下： (1)采用概念統(tǒng)計方法代替?zhèn)鹘y(tǒng)的詞頻統(tǒng)計，建立概念向量空間模型進行多文檔摘要，減少了傳統(tǒng)VSM模型中標引詞向量間“斜交”所帶來的影響。 (2)傳統(tǒng)的方法一般通過詞形或詞共現(xiàn)等特征進行句子相似度的計算。本文對句子相似度計算方法進行了改進，通過分析句子中詞語之間的內在聯(lián)系進行計算，提

3、高了計算的準確率。 (3)借助WordNet語義資源進行語意消歧和概念樹的構造，建立了一種樹形結構描述文檔集合，并提出一種主題概念抽取方法，從概念樹中抽取主題概念對句子進行加權，顯著地提高了多文檔自動文摘的質量。 (4)在深入研究了多文檔主題劃分技術的基礎上，對基于密度聚類的OPTICS算法進行了改進和優(yōu)化，并將其應用到多文檔摘要中。改進后的方法能夠更加準確的劃分文檔集合主題，使得抽取的結果更加全面。 基于統(tǒng)計和