网页描述和重要内容的优化

自动提取描述过程中，文本中有些内容和对象非常重要，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，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，谷百优觉得必须对它

网页描述以及重要内容的优化

自动提取描述过程中，文本中有些内容和对象非常重要，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，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，谷百优觉得必须对它深入体会，多加分析。

1 词频

词频是指词语在文本中出现的频率。谷百优强调，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，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 ” 数量可以计算句子的权值来确定摘要候选句。

2 标题

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 ”

3 指示词

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。

4 位置

不同位置的句子对文章及段落的主题贡献是不相同的思亿欧对此曾经有过些研究，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，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。

5 句法结构

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。

6 句子长度

摘要表示为短和精，即以简短的文字概括文章论述的主要内容。因此，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。

7 网页排版特征

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。

编辑整理：北京网店建设 ecshop模板 ecshop模板