可考慮眾多因素，由機器學習演算法確定句子重要性
句子分類
二類分類：句子是否隸屬於摘要
svm（支援向量機）
序列標註
為每個句子打上標籤
可考慮相鄰句子之間的關係
hmm（隱馬爾科夫模型），crf（條件隨機場）
句子回歸
為每個句子**乙個反映重要性的分數
svr（支援向量回歸）
基於編碼器-解碼器框架進行單文件摘要
編碼器：先對句子編碼（利用cnn），再對文件編碼（利用rnn）
解碼器：輸出乙個0/1序列，進行句子抽取（序列標註）
摘要冗餘去除
去除（多文件）摘要中的冗餘資訊
選擇與摘要中已有句子冗餘度小的句子
文字蘊涵識別技術很適合此目的，但是由於自身效能太差，無法真正應用。一般基於文字相似度來進行判斷。
將摘要看做乙個帶約束的優化問題
基於ilp進行求解，可採用現成的ilp求解工具
比如ibm cplex optimizer
同時進行句子抽取與冗餘去除
將摘要看做乙個預算約束下的次模函式最大化問題
設計次模函式，然後利用貪心演算法進行內容選取
實際上就對「邊際效用遞減」這個說法的形式化。就是對於乙個集合函式，若，那麼在s中增加乙個元素所增加的收益要小於等於在s的子集中增加乙個元素所增加的收益。形式化表述就是：對於函式f而言，若且，則通俗的說就是你把所有商品看成乙個集合，隨著你所擁有的物品數量的增加，那麼你獲得剩下物品所得到的滿足程度越來越小。
舉例說明：
a是b的子集，則對於函式f()，如果：f(a+e)-f(a)>=f(b+e)-f(b)成立，則說f()函式是子模的。增益遞減。
例子如下：
u= a= b=
f(a)=|a| 集合a的個數
所以：f(a+e)-f(a)>=f(b+e)-f(b)，例如e=
句子順序直接影響摘要可讀性
單文件摘要中句子順序容易確定，依據句子在原文件中的順序即可
多文件摘要中句子順序較難確定
來自不同文件中的句子如何確定先
後排序？
可綜合考慮句子所在上下文資訊進行排序。
先確定任何兩句之間的先後順序 機器學習、深度學習
再確定多個句子之間的整體順序 貪心搜尋
文件摘要技術
一 基於特徵的方法 可以考慮如下特徵來進行文件摘要的生成，包括 文章標題 比如文章標題中出現的詞具有較高的權重 段落的位置 比如文章的首段和尾段具有較高的權重 段落的特定句子 比如段落的首句和第二句具有較高的權重 句式的型別 比如陳述句具有較高的權重，含有大標點的句子具有較高的權中等 文章中頻繁出現...
coreseek sphinx文件摘要
1.這些都可以用charset type和charset table選項為每個索引單獨配置.charset type指定文件的編碼是單位元組的 sbcs 還是utf 8的。在coreseek中，如果通過charset dictpath設定中文詞典啟動了中文分詞模式後，不僅可以使用utf 8編碼的，還...
TextRank文件摘要
s vi 1 d d j in vj 1out vj s vj s v i 1 d d j in vj 1 out vj s vj 某網頁vi的得分，由兩個部分構成，其中1 d是為防止出現零值，d右邊的部分，是引用該網頁的各網頁vj的投票之和，投票值等於該網頁的打分s vj 除以它的出度，d一般取經...