【摘要】 为了从海量的热点事件社交媒体文本流中提取时序摘要,辅助用户快速获取热点事件的演化发展概况,该文在分析热点事件发展阶段的基础上,充分挖掘社交文本的时间特征和传播特征,提出了融合社交传播影响力的热点事件时序摘要方法。该方法抽取的摘要能完整反映事件发展演化过程,内容描述更合乎客观事实,同时在一定程度上解决了社交文本非结构化问题对文本句子权重度量造成的不利影响。实验结果显示,当时间与传播特征权重比值达到0.4时,该方法得到的摘要结果的ROUGE评测值达到最佳,ROUGE-1最优达到44.23%,ROUGE-2最优达到34.78%,ROUGE-S4最优达到27.86%。实验结果表明,基于时间线的文本组织能有效追踪事件发展演化过程,融入时序信息和传播影响力后的时序摘要更能提升热点事件概况的新颖度和相关度。更多还原

【Abstract】 This paper designs a new temporal summarization extraction method to improve the model of the evolution overview of numerous hot events in social media. Based on the analysis of the hot events evolution stage, this study explores the time-series and social influence of social texts and proposes a novel temporal summarization method, LexRank Summarization with Timeline-Social Influence(LSTS). Experimental results showed that LSTS achieves optimal results with a weight ratio 0.4 between the time-series and social influence, reading 44.23%, 34.78%, 27.86% according to ROUGE-1, ROUGE-2 and ROUGE-S4, respectively.更多还原