论文研究基于词语热度的启发式中文句子压缩算法.pdf

传统的句子压缩方法多基于难以获得的“原句-压缩句”对齐语料库，因此提出了不依赖于对齐语料库的中文句子压缩算法。通过研究人工压缩结果并结合语言学知识，提出了词语层面和分句层面的两组压缩规则。算法在原句句法分析树和词语间依赖关系的基础上，使用两组规则进行压缩，同时为了保证压缩算法具有更强的适应性和准确性，引入词语的热度加强了压缩算法，最后通过句子整理和语法修复得到最终的压缩句。对比了人工压缩、只使用规则压缩和引入词语热度压缩三种压缩方法。实验结果表明，基于热度的启发式中文句子压缩算法可以在压缩比、语法性、信息量都损失较少的情况下，提高压缩句的热度。