藏文網頁摘要自動生成系統(tǒng)的研究.pdf

1、隨著互聯(lián)網時代的發(fā)展，如何有效地組織和分析藏文信息，提高藏文信息領域獲取信息的效率，成為滿足藏文信息領域人們需求的關鍵問題，這使得藏文網頁技術成為研究熱點，其進步推動了相關技術的發(fā)展。藏文網頁是為了達到特定用戶或任務要求，從信息源中提取重要信息、生成精簡版本的過程。目前，藏文網頁的研究面臨冗余信息、壓縮比大和可讀性差等問題。生成一篇好的文本，不但需要對文檔進行深入地分析，還需要有效的處理文本句選擇與排序。文本句的選擇決定了最終文本的組成

2、成分，文本句的排序決定了文本的可讀性，這兩者都直接影響生成文本的質量。
　　本研究主要內容包括：⑴設計藏文網頁爬蟲。設計并實現了一個能夠從互聯(lián)網上爬取藏文網頁的網絡爬蟲工具。⑵藏文網頁的預處理。設計出了能夠識別藏文網頁文本的凈化工具，并重點研究了基于藏文詞典、規(guī)則、最大概率法和格助詞相結合的藏文網頁文本自動分詞方法。⑶藏文網頁的生成算法研究。研究并提出一種有效的藏文句子加權方法，根據句子權重的計算，生成了藏文網頁的初始文本，并對初