• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Information Processing & Management >Query-focused multi-document summarization using hypergraph-based ranking
【24h】

Query-focused multi-document summarization using hypergraph-based ranking

机译：使用基于超图的排名，以查询为中心的多文档摘要

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

General graph random walk has been successfully applied in multi-document summarization, but it has some limitations to process documents by this way. In this paper, we propose a novel hypergraph based vertex-reinforced random walk framework for multi-document summarization. The framework first exploits the Hierarchical Dirichlet Process (HDP) topic model to learn a word-topic probability distribution in sentences. Then the hypergraph is used to capture both cluster relationship based on the word-topic probability distribution and pairwise similarity among sentences. Finally, a time-variant random walk algorithm for hypergraphs is developed to rank sentences which ensures sentence diversity by vertex-reinforcement in summaries. Experimental results on the public available dataset demonstrate the effectiveness of our framework.
机译：常规图随机游走法已成功地应用于多文档摘要中，但是以这种方式处理文档具有一定的局限性。在本文中，我们提出了一种新颖的基于超图的顶点增强随机游走框架，用于多文档摘要。该框架首先利用Hierarchical Dirichlet Process（HDP）主题模型来学习句子中单词-主题的概率分布。然后，利用超图捕获基于词-主题概率分布和句子之间成对相似性的聚类关系。最后，开发了一种用于超图的时变随机游走算法来对句子进行排名，以通过摘要中的顶点增强来确保句子的多样性。公开数据集上的实验结果证明了我们框架的有效性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号