在自动提取描述过程中，文本中有些内容和对象非常重要，它们会直接影响到摘要的质量。例如，标题中出现的关键词、词的频率、词的位置、句子长度、句子结构以及排版特征等，它们在自动生成描述的过程中，对摘要句的筛选、摘要的组织等发挥着重要作用，必须对它们深入体会，多加分析。
7 N( x J; v' ]7 y- x2 p ) p) z6 f3 ]' w6 q
(1)词频 a9 p, e8 ~* h1 k5 Q9 U
6 J8 j7 f7 W' o O# H$ O 词频是指词语在文本中出现的频率。JCY强调，具有标引价值的词汇往往是中频词，高频词一般是反映句子语法结构的虚词，而低频词不适宜作为标引词。同样，在摘要中发挥重要作用的词汇也是具有较高频率的关键词(重要词)，而这些词在整个文章中属于中频词。通过对这些“中频词”的数量可以计算句子的权值来确定摘要候选句。
: b& [: I6 O" h% O: X M' h( J/ D $ f2 ~+ p! F+ \& }& A" E
(2)标题
' K) L8 R/ ]8 G% I3 ^
7 R4 X: W' Z; U. g 文本信息的标题是文本内容的重要体现，文本的各级标题都不同程度地反映了文本所讨论的主要内容。因此，标题中的词汇是摘要的重要素材，其中关键词和原文内容和讨论主题往往有紧密的联系。剔除了标题中的功能词，余下的关键词可作为抽取摘要句的“重要词”。0 @1 [& t+ c* W
: g: ~. z- U' X3 c2 R: u) c$ L
(3)指示词4 V2 `+ ^. C( `( {& }1 v1 J
& J6 R F; Z6 l% M9 D% h5 ?
文章中会有许多短语(词汇)用于引申出反映文本内容的总结性的句子，这类短语或词汇叫指示词。这类指示词有如下形式：“本文论述了”、“本文的目的”、“综上所述”等等，这些指示词后所接的句子往往高度概括了文献主题。因此，这些句子被选作为摘要候选句的可能性非常大。
+ J; i) n9 k+ P8 L! k # k- C" _0 c: J3 |% s$ ?
(4)位置
4 k0 b1 I& {- m7 | . I$ Y) M4 L2 K/ V$ B( n
不同位置的句子对文章及段落的主题贡献是不相同的，JCY对此曾经有过些研究，我们认为：段落首句为段落主题句的概率达85%，位于段落末句的概率也达7%。因此，这些位置的句子成为摘要句的可能性很大，在进行自动摘要的过程中，有必要提高处于这些特殊位置的句子的权值。
6 z- `% u; I4 D, e* N 2 E! C2 R4 ~# w
(5)句法结构
- ?: u" r9 E+ M2 k 2 l; O2 f4 ]. |3 c. ?' _. p" d
文章中的句子形式有多种多样，有陈述句、疑问句、感叹句等等，但真正反映文章主题的主要还是陈述句，这也表明文章的摘要多以陈述句组成。因此，选择摘要句时，应尽可能地抽取陈述句，而应避免疑问句、感叹句等形式的句子进入摘要。) Z5 N0 ~* R2 r* X5 b$ U O, ?( i
! w$ ~0 q& N2 n, Q4 f5 F) ?) x (6)句子长度' P* n+ ]% @& s$ U
* h$ q K: J0 d# Q' [3 I7 D 摘要表现为短和精，即以简短的文字概括文章论述的主要内容。因此，在选择摘要句时，应选择那些较为精练简短的句子，过度冗长的句子通常不宜选人摘要中。. Y# O8 d* x) q1 D( C/ ?7 F+ ]
+ U2 M9 r: T+ K- f* i" J (7)网页排版特征( _2 g$ q2 ]. {7 B% ^
N* g# Z7 V3 m9 t# K& ?3 d& N' o5 V 在网页设计软件日臻完善的前提下，对机读文献的排版格式也提出了很高的要求。编者往往通过特殊格式突出文献的主题内容，如加大字号、改为粗体或改为特殊字体，加下划线、文字居中排列、加标号、增大缩进量、加阴影、加边框、超级链接等。确定词或句的权值时，应考虑这些特殊的格式特征，适当地将权值加大。9 r5 {# I! N( ?7 N0 n8 z# `
! }- o( ~" b) I3 g
" h; l, e$ N* C/ J http://www.120gc.cn/编辑
7 `1 \7 }; m" M K" u# g, J 5 z% ~. ^! H. M' B2 @6 Z
|
