随着互联网上信息成指数级的增长,信息爆炸已经成为一个很严峻的问题。通过文摘可以减小信息量,但是如果对大量的文本信息做文摘,人工进行的这些专家文摘所消耗的时间是不可估算的。基于此,机器自动文摘就成为一个非常重要的研究课题。 自动文摘是指利用计算机自动对文本编制摘要,是自然语言理解的重要应用领域之一。自动文摘也是一项极具难度和挑战性的工作,人类已经对此进行了几十年的探索。限于相关领域的已有水平,现阶段的自动文摘系统还不能进行完全的自动语法、语义和语境分析,摘要结果还属于指示性摘要的范畴。 本文在目前自动文摘的研究现状下,运用统计学的方法,利用HowNet频率统计进行概念统计的文本摘要的研究。研究工作主要包括以下几个方面: ① 提出基于HowNet获得词语概念的方法。 ② 用概念频率统计代替传统的词形频率统计,来建立概念向量空间模型;通过计算句子重要度和减少句子冗余度,得到文本摘要。 ③ 开发了一个基于概念向量空间模型的中文自动文摘系统。 对基于概念获取的自动文摘系统,运用内部和外部评测手段进行了系统评估。并与基于词频统计的机械式自动文摘系统进行了比较,试验结果证明本系统多个性能指标优于基于词频统计的机械式文摘系统。