“自動文摘”造句，怎麼用自動文摘造句

5、傳統的自動文摘方法基於詞語統計抽取文摘句，未進行文字的語義分析，導致文摘精度不高。

7、首先闡述了人們進行自動文摘研究的必要*，並介紹了自動文摘的技術背景。

9、多文件自動文摘技術日益成為自然語言處理領域的一個研究熱點。

11、討論了一種面向非受限領域的綜合式中文自動文摘方法。

13、自動文摘是自然語言處理領域的一項重要的研究課題。

15、文字的形式化表示一直是文字檢索、自動文摘和搜尋引擎等資訊檢索領域關注的基礎*問題。

17、文字傾向*識別在資訊過濾、自動文摘、文字分類等領域有廣泛的應用前景。

19、文字傾向*識別在垃圾郵件過濾、資訊保安和自動文摘等領域都有廣泛的應用。

21、本文的研究成果可以很好地應用於自動內容抽取、自動問答系統、話題追蹤結果及自動文摘系統中。

23、同時，語義褒貶傾向研究也為文字分類、自動文摘、文字過濾等自然語言處理的研究提供了新的思路和手段。

25、句子間相似度的計算在自然語言處理的各個領域都佔有很重要的地位，在多文件自動文摘技術中，句子間相似度的計算是一個關鍵的問題。

27、為解決詞頻矩陣的詞頻維數過大和矩陣過於稀疏的問題，提出一種子主題區域劃分的多文件自動文摘方法。

1、將文字聚類引入自動文摘中，能實現多文件的自動文摘。

3、文字自動綜述是自動文摘在多文件上的推廣。

6、針對當前自動文摘方法的不足，提出了基於文字聚類的自動文摘實現方法。

10、開發了一個基於概念向量空間模型的中文自動文摘系統。

14、與僅基於內容的自動文摘系統相比較，評測結果顯示，該系統生成的摘要質量有明顯提高。

18、隨著網路的發展，電子文字大量湧現，自動文摘以迅速、快捷、有效、客觀等手工文摘無可比擬的優勢，使得其實用價值得到充分體現。

22、實驗表明該方法可行，對自動文摘系統的設計具有借鑑意義和深入研究的價值。

26、BLIMS系統包括資訊自動分類與關鍵字提取子系統、資訊自動文摘子系統和雙語資訊庫BLIB及其儲存與檢索子系統。

2、本文提出了一種中文自動文摘的方法。

8、針對面向查詢的多文件自動文摘，本文提出了一種系統實現方法。

16、本文在最後還探討了自動文摘在“知識發現”和文字資訊挖掘領域內的初步應用。

24、如何正確有效地確定文件的子主題邊界對於自動文摘、問答系統等自然語言處理應用是非常重要的。

4、最後，概述了中文自動文摘的研究狀況。

20、該文描述的演算法給出了基於層次詞典的關鍵字提取和基於語料庫的自動文摘的實現。

12、自動文摘一直是自然語言處理領域研究的重點和難點。

28、用這些特徵構成句子向量表示，並用機器學習的方法對其進行訓練得到器，從而把自動文摘轉換為分類問題。