2、以知识为中心的语义文本摘要方法与异常红细胞检测技术

以知识为中心的语义文本摘要方法与异常红细胞检测技术

在当今信息爆炸的时代，文本摘要和医学图像中异常细胞的检测都具有重要意义。文本摘要能够帮助人们快速获取关键信息，而异常红细胞的自动检测则有助于医学诊断的高效性和准确性。

以知识为中心的语义文本摘要方法

提出的架构

该文本摘要系统架构首先对数据集进行预处理，包括解析、分词、词形还原和停用词去除。分词基于空格和特殊字符进行，以获取单个单词；词形还原则是从词的形态中推导出基本形式。接着使用TF - IDF进行特征提取，其公式为：
[Tf - idf (j, k) = tf (j, k) \times \log(\frac{l}{df + 1})]
其中，(j)是术语（单词），(k)是文档，(l)是语料库（单词集合）的数量。

基于文档中的稀有特征和最频繁的单词，将领域本体和知识源进行集成。领域本体是基于从数据集中提取的术语构建的静态领域本体，知识源采用Wikidata，通过其API获取与文档相关的知识源。

然后构建基于术语的本体模型，通过估计交叉熵、NPMI和ANOVA - NPMI的交集来实现。交叉熵函数表示为：
[H(Pp, Qq) = -\sum_{m \in X} Pp(m) \times \log(Qq(m))]

为消除句子重复提取中的相似单词，使用归一化的PMI（NPMI），其通过MIN - MAX归一化PMI值得到。PMI公式为：
[PMI(x, y) = \log(\frac{pa(x, y)}{pa(x) \times pb(y)})]

ANOVA - NPMI用于构建术语本体模型，并生成p值，根据