19、一种过滤有用子集的新方法：刑事案例中的应用

一种过滤有用子集的新方法：刑事案例中的应用

在数据处理和决策支持领域，如何从大量生成的语言摘要中筛选出最有用的信息是一个关键问题。本文将介绍一种新的方法，该方法旨在从 CLS - QD 模型生成的所有摘要中选择三个最有用的摘要，并通过刑事案例进行说明。

1. 原型形式与 CLS - QD 模型概述

原型形式通常有两种定义形式：
- (T\left[Q X \text{ are} \to \text{have } Y\right])
- (T\left[Q FX \text{ are} \to \text{have } Y\right])

其中，(Y) 是摘要器（如刑期在 24 到 42 个月之间），(X) 是对象（如 FBCD 犯罪），(Q) 是模糊语言量词（如许多），(T) 是摘要的真实度，范围在 ([0, 1]) 之间。在式（2）中，(F) 是限定词（如具有 80.1(c) 和 79.1(a) 情节），用于获取特定的数据子集。

然而，这些原型形式由于缺乏表达力，通常不会直接提供给用户，并且它们往往是单独处理的，没有考虑它们之间的关系。为了提高语言摘要（LS）的表达力，出现了许多方法，其中 CLS - QD 模型用于从定性数据中生成复合语言摘要。

CLS - QD 模型中的摘要体现了证据（Pe）、对比（Pc）或强调（Ph）关系，这些关系受到修辞结构理论的启发。一个关系（Pr）至少涉及两个组成语句，它们可以作为核心（PN）或卫星（PS），并通过特定的连接器在语义上相连。

CLS - QD 模型定义了三个指标来衡量任何关系 Pr 的质量：真实度 (T(Pr))、关系强度 (S(Pr)) 和覆盖度 (S(