27、基于新型算法的文本摘要与多目标搜索策略研究

基于新型算法的文本摘要与多目标搜索策略研究

基于类型的遗传算法用于提取式文本摘要

在文本处理领域，自动提取式文本摘要一直是重要的研究方向。传统的遗传算法在处理这一问题时存在一定的局限性，而基于类型的遗传算法（Type-based GA）则是对传统遗传算法的改进。

类型遗传算法

基于类型的遗传算法由Sizov和Simovici提出，它是在传统遗传算法基础上发展而来。该算法基于个体分类，在N - 皇后问题和寻找Rosenbrock函数的全局最小值等问题上有应用。在自动提取式文本摘要问题上，它将其视为一个二进制优化问题。通过构建基于内部染色体结构的两种类型的个体，这种新型方法能更好地保留各代中的优质摘要，使变异更易以灵活策略发生，从而更有可能在解空间中找到突出的摘要。

适应度函数

适应度函数在元启发式搜索算法中起着关键作用。以往Garcia和Ledeneva提出结合词频和句子位置特征来构建适应度函数；Meena等人提出测量每个句子重要性的特征集并以可接受的权重进行优化，但这些方法存在耗时的缺点。近期研究表明，相关性和表层句子特征在提取显著句子构建摘要时表现出竞争力，如与主题句的相似度、句子间的相似度、句子位置、句子长度、词频、词权重、摘要与原始源文档的覆盖相似度等。在本研究中，通过句子位置、句子与标题的关系、句子长度和专有名词数量这四个特征来优化适应度函数，这些特征被证明能有效评估文档中句子的重要性。

实验设置

• 数据集 ：自动文本摘要任务有多个数据集，本研究选择了DUC2001、DUC2002和CNN/DailyMail三个数据集。DUC200