典型文献
基于BBCM-TextRank的文本摘要提取算法研究
文献摘要：
针对TextRank算法计算句子权重仅依赖文本间相似度和生成摘要存在较大冗余的问题,提出一种改进的文本摘要提取算法BBCM-TextRank(BERT-BiLSTM-CRF-TextRank-MMR).利用Word2Vec模型对文本句子进行向量表示,采用TextRank算法计算句子的权重.基于BERT-BiLSTM-CRF模型,识别出文本中的重要实体并据此进一步优化句子权重.引入MMR算法降低摘要的冗余,提升摘要语句的多样性,最终获得更为准确和全面的文本摘要.在LCSTS数据集上的实验结果表明,本文提出的BBCM-TextRank算法能有效提取文本语句中的实体特征,获得较为合适的句子权重,同时可以有效消除候选摘要中的冗余句子,从而获得重要性和多样性兼备的文本摘要.
文献关键词：
文本摘要;命名实体识别;BERT-BiLSTM-CRF;TextRank
中图分类号：
作者姓名：
井钰;王名扬;周文远
作者机构：
东北林业大学信息与计算机工程学院,黑龙江 哈尔滨 150036
文献出处：
引用格式：
[1]井钰;王名扬;周文远-.基于BBCM-TextRank的文本摘要提取算法研究)[J].东北师大学报（自然科学版）,2022(03):67-75
A类：
BBCM
B类：
TextRank,文本摘要,摘要提取,算法研究,算法计算,句子,BERT,BiLSTM,CRF,MMR,Word2Vec,行向量,向量表示,语句,LCSTS,有效提取,实体特征,选摘,兼备,命名实体识别
AB值：
0.28178
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
