用于生物医学文献摘要的小世界网络

近年来，许多方法被开发用于识别文本文档中的重要部分。摘要工具可利用这些方法从大量文本信息中抽取摘要。然而，识别代表文本文档中核心概念的概念，并抽取最能传达这些概念的信息量最大的句子，仍是摘要方法中两项关键任务。本文引入一种基于图的方法，以在生物医学文本摘要背景下应对这两大挑战。我们展示了摘要器如何利用 Helmholtz 原理在生物医学文本文档中发现有意义的概念。该摘要器将有意义的观念视为主主题，并基于句子所共享的主题构建图。摘要器可通过抽取度值较高的句子生成信息丰富的摘要。我们使用面向召回的要点评估替身（ROUGE）工具包评估了我们的方法在生物医学文章摘要上的性能。结果表明，度可作为一种有用的中心性度量来识别此类基于图的建模中的重要句子。与一些最先进且公开可用的摘要器相比，我们的方法能提升生物医学文本摘要的性能。结合基于概念的建模策略与基于图的句子抽取方法，我们的摘要器在比较方法中能生成信息量得分最高的摘要。本研究工作可视为研究小世界网络在生物医学文本摘要中应用的一个起点。