【摘 要】
：
多文档自动文摘能够帮助人们自动、快速地获取信息，本文实现了一个基于主题模型的中文多文档自动文摘系统，其中主题模型采用浅层狄利赫雷分配(LatentDirichlet Allocation，LDA)，该模型是—个多层的产生式概率模型，能够检测文档中的主题分布。该方法使用LDA为多文档集合建模，通过计算句子在不同主题上的概率分布之间的相似度作为句子的重要度，并根据句子重要度进行文摘句的抽取。实验结果表
【机 构】
：
苏州大学 计算机科学与技术学院,江苏苏州 215002 江苏省计算机信息处理技术重点实验室,江苏
论文部分内容阅读
多文档自动文摘能够帮助人们自动、快速地获取信息，本文实现了一个基于主题模型的中文多文档自动文摘系统，其中主题模型采用浅层狄利赫雷分配(LatentDirichlet Allocation，LDA)，该模型是—个多层的产生式概率模型，能够检测文档中的主题分布。该方法使用LDA为多文档集合建模，通过计算句子在不同主题上的概率分布之间的相似度作为句子的重要度，并根据句子重要度进行文摘句的抽取。实验结果表明，该方法所得到的文摘，性能优于传统的文摘方法。
其他文献
@@《汉书·艺文志》“杂赋”类中收录有《成相杂辞》十一篇，唐人杨倞《荀子·成相》注：《汉书·艺文志》谓之《成相杂辞》，盖亦赋之流也。朱熹承其意，亦认为《荀子·成相》“在《汉志》号《成相杂辞》”。现在看来，《荀子·成相》和《汉志》所载《成相杂辞》可能并非完全是一回事，但二者确有联系。二者均以“成相”命名，似与当时流行的“成相”这一民间艺术形式有关。
韵散结合、有说有唱的诗赞体，是敦煌讲唱文学的主要丈体形态.作为—种音乐文体，它是如何处理文体与乐体之间的关系的?它又有一个怎样的源流变化过程?本文主要就上述问题进行探讨。
宋代文章总集具体而准确地反映出宋人的文体观念以及相关的文学观念.宋人文章总集与《文选》收录情况的差异，显示出从骈文中心时代向古文中心时代转折的态势.唐宋新文体的出现、定名、传播和接受，集中地反映在宋代文章总集的编录之中.通过总集的编纂，可以考察宋人“古文”观念的复杂性.宋代“古文”以散体文为主，但不特别排斥骈体文与辞赋.面对秦汉古文与唐宋古文两种传统，宋人特别推崇唐宋尤其是宋代古文，反映出对当代文
中国传统文论面临失语的困境，面对这种困境，我们能够做的工作，一方面是研究失语的个案，另—方面是激活这些传统话语，赋予它新的生命.在这个方面，散文散语是一个典型的个案，一方面它具有近现代文体学上的纯粹意义，另一方面它在宋代出现，被大量广泛使用，研究它无疑具有解剖标本的作用.通过散文散语的现代文体意义，我们可以归纳演绎出，唐宋时代文人的文体观念已经发生了革命性变革，现代文体中的诗歌、散文、小说、戏剧四
上梁文是—种源远流长的建筑民俗文体.宋代是上梁文创体变革的重要时期，该期上梁文的创作倾向主要表现为类型化与个陆化两种范式。一方面，类型化为上梁文确立了规范的文体样式，使其正式成为一类独立的应用文体;另一方面，随着宋代上梁文的发辰，“以文为戏”的上梁文异军突起，极大地丰富了文体功能和文学表现力，呈现出鲜明的个性化特色.就文体学意义而言，宋代上梁文演进中的这两种创作倾向，揭示了中国古代“文体正变”观念
八股文的来源非常复杂，其直接渊源是宋代科举考试中的经义，间接渊源则有经典注疏、律赋、试帖诗和古文等。本文试图把八股文放到具体的历史语境中，结合科举考试、经学演变和文学变迁等多种因素进行动态的分析，考察明代的四书文是如何融会其他文体的因素，在宋代经义的基础上逐步演化成明代的八股文的。
现代学术研究主要集中于对古代批判材料的梳理，彰显20世纪的批判所来有自。这种一边倒的现象造成了对另—种声音的严重遮蔽.本文尝试着以几个代表性人物为中心，在八股文历史意见的消极面背景下透视积极意见的另一面.本文认为：八股文取士制度不如人意的现实使得八股文的维护方有强辩之嫌，所以在功能之争上，以路德为代表的推尊八股文者处于下风.着眼文体本身体性特征是尊体八股文最为有效的途径.姚鼐、阮元、焦循、王芑孙等
任昉《文章缘起》记录秦汉以来从经学著作脱胎并独立发展起来的85个文章体类，标举其始作时代、作者和篇名，简约而完整地勾勒出中国文章学发展初期的文章谱系.后世学者对该书进行续、补、注、订误，形成一个“文章缘起类”批评体系，这些后续著作增补了后世新发展出来的上百个文体，充实了《文章缘起》的文章谱系.从这一系列“文章缘起类”文献，可以见出中国传统文章形态的发展概貌及延续至晚清的“大文章”观.
南宋遗民词的话语系统中存在着群体习语现象.中国古代士大夫文化是南宋遗民词群体习语形成的文化基础;创作主体的遗民生涯是其形成的现实基础;遗民之间的交游与唱和是其迅速形成的重要条件.南宋遗民词群体习语可分为典故类、自然物象类和心绪感受类，具有悲怨绝望的情感特征、幽孤袁凄的美感特征和真切平实的语言特征。
本文针对统计机器翻译中基于最大熵短语重排序模型特征抽取算法。提出一种改进算法。该算法能够抽取出更多准确的短语重排序信息，特别是逆序短语的特征信息，解决了原算法中最大熵训练时特征数据不平衡问题，即保序短语特征信息数量远超过逆序短语信息数量，提高了翻译中短语重排序的准确率。本文以NIST MT 05作为汉语到英语翻译的测试集，实验结果表明改进后的系统BLEU值比原系统提高0.65％。