本文介绍了MMR（最大边际相关法）算法用于自动摘要的原理和实践。MMR通过平衡句子的重要性和与已有摘要句子的差异来选择摘要句子。在实践中，通过计算句子的tf-idf值和余弦相似度来实现。并提供了一个Python demo来展示这一过程。
目录
算法原理
MMR的全称是Maximal Marginal Relevance ，最大边界相关法或者最大边缘相关。公式如下：
M M R : = arg max D i [ λ × s c o r e ( D i ) − ( 1 − λ ) × max [ S i m ( D i , D j ) ] ] D i ， D j : 第 i ， j 号 句 子 ， λ : 权 衡 句 子 重 要 性 系 数 ， S i m : 相 似 度 计 算 函 数 ， S c o r e : 句 子 重 要 性 计 算 函 数 。 MMR:=\mathop{\arg\max}_{D_i} [\lambda\times score(D_i)-(1-\lambda)\times\max[Sim(D_i,D_j)]] \\D_i，D_j:第i，j号句子， \\\lambda:权衡句子重要性系数， \\Sim:相似度计算函数， \\Score:句子重要性计算函数。 MMR:=argmaxDi[λ×score(Di)−(1−λ)×max[Sim(Di,Dj)]]Di，Dj:
最低0.47元/天 解锁文章
扫一扫
1万+
到【灌水乐园】发言
