東北大學(xué)軟件工程碩士--信息檢索復(fù)習(xí)題及答案.doc

信息檢索復(fù)習(xí)要點(diǎn)2010第一講 網(wǎng)頁采集1. 網(wǎng)頁采集器的基本原理簡答題網(wǎng)頁采集器一般稱為“網(wǎng)路蜘蛛”，也叫網(wǎng)頁機(jī)器人。網(wǎng)絡(luò)蜘蛛把互聯(lián)網(wǎng)比喻成一個蜘蛛網(wǎng)，那么網(wǎng)絡(luò)蜘蛛就是在網(wǎng)上爬來爬去的蜘蛛。網(wǎng)絡(luò)蜘蛛是通過網(wǎng)頁的鏈接地址來尋找網(wǎng)頁，從一個網(wǎng)頁開始，讀取網(wǎng)頁的內(nèi)容，保存下來，找到在網(wǎng)頁中的鏈接地址，然后通過這些鏈接地址尋找下一個網(wǎng)頁，這樣一直循環(huán)下去。2. 網(wǎng)頁采集器的設(shè)計綜合題3. 網(wǎng)絡(luò)運(yùn)營者對網(wǎng)頁采集器的態(tài)度是什么？簡答題網(wǎng)站數(shù)據(jù)被網(wǎng)頁采集器采集后，進(jìn)入搜索引擎數(shù)據(jù)庫，可擴(kuò)大網(wǎng)站訪問量、提高網(wǎng)站知名度。因此，網(wǎng)站運(yùn)營者歡迎網(wǎng)頁采集器，并為其提供便利。網(wǎng)頁采集器需要大量抓取網(wǎng)頁，不同于一般的訪問，如果控制不好，則會引起網(wǎng)站服務(wù)器負(fù)擔(dān)過重。因此，網(wǎng)站運(yùn)營者希望網(wǎng)頁采集器不要影響網(wǎng)站的正常運(yùn)轉(zhuǎn)，并通過各種方法于網(wǎng)頁采集器進(jìn)行交流，規(guī)范網(wǎng)頁采集器的行為。第二講 分析處理4. 網(wǎng)頁分析處理的必要性簡答題答：分析處理幫助得到更加準(zhǔn)確的查詢結(jié)果，重復(fù)的利用時間和資源。5. 分詞歧義的處理方法簡答題目前，對漢語分詞方法的研究主要有三個方面：1) 基于規(guī)則的分詞方法：這種方法又叫做機(jī)械分詞方法，它是按照一定的策略將待分析的漢字串與一個“充分大”的機(jī)器詞典中的詞條進(jìn)行匹配，若在詞典中找到某個字符串，則匹配成功（識別出一個詞）。常用的方法：最小匹配算法，正向（逆向）最大匹配法，逐字匹配算法，神經(jīng)網(wǎng)絡(luò)法、聯(lián)想一回塑法，基于 N-最短路徑分詞算法，以及可以相互組合。例如，可以將正向最大匹配方法和逆向最大匹配方法結(jié)合起來構(gòu)成雙向匹配法等。目前機(jī)械式分詞占主流地位的是正向最大匹配法和逆向最大匹配法。2) 基于統(tǒng)計的分詞方法：基于統(tǒng)計的方法是基于（兩個或多個）漢字同時出現(xiàn)的概率，通過對語料庫（經(jīng)過處理的大量領(lǐng)域文本的集合）中的文本進(jìn)行有監(jiān)督或無監(jiān)督的學(xué)習(xí)?？梢垣@取該類文本的某些整體特征或規(guī)律。如果能夠充分地利用這些統(tǒng)計現(xiàn)象、規(guī)律。就可以構(gòu)造基于語料庫的統(tǒng)計學(xué)信息抽取算法統(tǒng)計的分析方法多種多樣。近來研究的熱點(diǎn)主要集中于由隨機(jī)過程發(fā)展而來的理論和方法，其中最重要的是應(yīng)用隱馬爾科夫模型（HMM）進(jìn)行自然語言處理的方法。隱馬爾科夫模型在語音識別領(lǐng)域已經(jīng)取得很好的成效，在信息抽取領(lǐng)域的應(yīng)用也正在不斷的嘗試和推廣中。3) 基于理解的分詞方法：又稱之為知識分詞。知識分詞是一種理想的分詞方法，但這類分詞方案的算法復(fù)雜度高，其有效性與可行性尚需在實(shí)際工作中得到進(jìn)一步的驗證。知識分詞利用有關(guān)詞、句子等的句法和語義信息或者從大量語料中找出漢字組詞的結(jié)合特點(diǎn)來進(jìn)行評價，以期找到最貼近于原句語義的分詞結(jié)果。6. 分詞軟件的設(shè)計綜合題1) 分詞是將連續(xù)的字序列按照一定的規(guī)范重新組合成詞序列的過程，中文分詞與 其他分詞不同，比如：英文中單詞之間是以空格作為自然分界符；中文只是字、句、段有明顯的分界符；詞沒有一個形式上分界符；從字串到詞串，是一個降低不確定性的過程。2) 利用找到歧義字段、建立歧義字段庫解決分詞歧義問題。3) 利用正向最大匹配法（流程圖）、逆向最大匹配法（流程圖）及最大概率分詞法進(jìn)行分詞。l 正向最大匹配法（流程圖 見 PPT）l 逆向最大匹配法：1) 將文章分成句子（通過標(biāo)點(diǎn)符號來實(shí)現(xiàn)）；2) 循環(huán)的讀入每一個句子S，設(shè)句子中的字?jǐn)?shù)為n；3) 設(shè)置一個最大詞長度，就是我們要截取的詞的最大長度 max4) 從句子中取n-max 到 n 的字符串 subword，去字典中查找是否有這個詞。如果有就走（5），沒有就走（6）；5) 記住 subword，從 n-max 付值給 n，繼續(xù)執(zhí)行（4），直到 n=0.6) 將 max-1，再執(zhí)行（4）。l 最大概率分詞法：列出可能的拆分結(jié)果，查表，結(jié)果大的，為最終結(jié)果?；炯?xì)想：1) 一個待切分的漢字串可能包含多種分詞結(jié)果2) 將其中概率最大的那個作為該字串的分詞結(jié)果分詞算法：1) 對一個待分詞的字串 S，按照從左到右的順序取出全部候選詞w1, w2 , ,wi, , wn ；2) 到詞典中查出每個候選詞 的概率值P(wi) ，并記錄每個候選詞的全部左鄰詞；3) 按照公式1計算每個候選詞的累計概率，同時比較得到每個候選詞的最佳左鄰詞；4) 如果當(dāng)前詞wn是字串S的尾詞，且累計概率P (wn)最大，則wn 就是S的終點(diǎn)詞；5) 從wn開始，按照從右到左順序，依次將每個詞的最佳左鄰詞輸出，即為S的分詞結(jié)果。7. 計算準(zhǔn)確率、召回率和F值計算題答：準(zhǔn)確率 P（Precision）：結(jié)果中的正確樣例數(shù)與結(jié)果中全部樣例總數(shù)的比值。 召回率 R（Recall）：結(jié)果中的正確樣例數(shù)與實(shí)際存在的正確樣例數(shù)的比值。 F 值：準(zhǔn)確率和召回率的加權(quán)平均，一般用 F1。 （注意：讓求的是 F1 還是 F 其它，然后帶入相應(yīng)的值值。）舉例：用戶利用某信息檢索系統(tǒng)在資料庫中檢索與和服相關(guān)的文章。系統(tǒng)返回給用戶篇文章：日本和服簡介、和服的穿著方法、在日本試穿和服、新款和服特價銷售、青島東和服裝廠簡介。已知資料庫中共有篇文章，其中有篇與和服有關(guān)的。請計算此次檢索的準(zhǔn)確率、召回率和F1值。答：結(jié)果中正確的樣例數(shù)為：4結(jié)果集中的總樣例數(shù)為：5P 準(zhǔn)確率 = 4/5*100%=80%實(shí)際存在的正確的樣例數(shù)為 8R 召回率 = 4/8*100%=50%F1=(2*80%*50%)/(80%+50%)=(2*4/5*1/2)/(4/5+1/2)=(4/5)/(13/10)=8/13第三講 信息檢索模型8. 信息檢索系統(tǒng)的基本模式簡答題從互聯(lián)網(wǎng)上進(jìn)行網(wǎng)頁采集，然后將采集上來的網(wǎng)頁進(jìn)行分析處理，建立索引庫，用戶的查詢與索引匹配，返回檢索結(jié)果給用戶。（最好將 PPT 上的圖畫出來，然后再詳細(xì)解釋）9. 布爾模型的原理簡答題1) 布爾模型信息檢索模型是最簡單的信息檢索模型，是基于集合理論和布爾代數(shù)的一種簡單的檢索模型。2) 文獻(xiàn)表示為不帶權(quán)重的標(biāo)引詞的集合。3) 查詢表示為標(biāo)引詞的布爾表達(dá)式，用邏輯符“and”、“or”、“not”來組織關(guān)鍵詞表達(dá)式。4) 聯(lián)系機(jī)制為：布爾表達(dá)式轉(zhuǎn)換為集合表達(dá)式，即布爾算子and 、or、not替換為交、并、補(bǔ)。5) 在結(jié)果集合里的文本是相關(guān)的，其他是不相關(guān)的。10. 利用布爾模型（集合論）的搜索引擎的實(shí)現(xiàn)綜合題布爾模型信息檢索模型是最簡單的信息檢索模型，是基于集合理論和布爾代數(shù)的一種簡單的檢索模型。文獻(xiàn)表示為不帶權(quán)重的標(biāo)引詞的集合；查詢表示為標(biāo)引詞的布爾表達(dá)式，用邏輯符“and”、“or”、“not”來組織關(guān)鍵詞表達(dá)式。聯(lián)系機(jī)制為：布爾表達(dá)式轉(zhuǎn)換為集合表達(dá)式，即布爾算子and 、or、not替換為交、并、補(bǔ)。在結(jié)果集合里的文本是相關(guān)的，其他是不相關(guān)的D（文獻(xiàn)表示）表示為不帶權(quán)重的標(biāo)引詞的集合，或者說，二值的標(biāo)引詞權(quán)重 wi,j=0 或者 wi,j=1Q（查詢）表示為標(biāo)引詞的布爾表達(dá)式用 and、or、not 連接標(biāo)引詞構(gòu)成查詢F（聯(lián)系機(jī)制）布爾表達(dá)式轉(zhuǎn)換為集合表達(dá)式布爾算字 and、or、not 替換交、并、補(bǔ)R（排序）對于每個標(biāo)引詞ki，得到一個文本的集合 Dki=dj|wi,j 在結(jié)果集合里的文本是相關(guān)的，其他是不相關(guān)的。11. 向量空間模型的原理簡答題將文獻(xiàn)表示為帶權(quán)重的標(biāo)引詞的集合，權(quán)重表示該索引詞與該文本的相關(guān)程度。將用戶的查詢也表示為帶權(quán)重的標(biāo)引詞的集合，權(quán)重表示標(biāo)引詞與用戶需求的相關(guān)程度。將文本與用戶的查詢的相似度轉(zhuǎn)化為向量（t 維空間的向量）之間的計算，可以采用向量內(nèi)積或向量夾角余弦方式進(jìn)行計算。查詢被當(dāng)作為假想的文本。1) 向量模型用檢索項的向量空間來表示用戶的查詢要求和數(shù)據(jù)庫文檔信息。查詢結(jié)果是根據(jù)向量空間的相似性而排列的。2) 向量空間模型可方便地產(chǎn)生有效的查詢結(jié)果，能提供相關(guān)文檔的文摘，并對查詢結(jié)果進(jìn)行分類，為用戶提供準(zhǔn)確的信息。3) 向量空間模型的基本思想是以向量來表示文本：（W1,W2,W3Wn），其中 Wi 為第 i 個特征項的權(quán)重，那么選取什么作為特征項呢，一般可以選擇字、詞或詞組。4) 要將文本表示為向量空間中的一個向量，就首先要將文本分詞，由這些詞作為向量的維數(shù)來表示文本。12. 計算用向量表示的網(wǎng)頁的相似度計算題注意：權(quán)值的值實(shí)際上是由 tf*Idf 算出來的，如果題目中未給出相應(yīng)的值，則可以通過tf*Idf 算出來，具體算法見13題。13. 計算特征項權(quán)重（tf*idf方法）計算題公式： tf*log（N/df）其中 n 為文獻(xiàn)的個數(shù)；tf 為該詞在當(dāng)前文獻(xiàn)中出現(xiàn)的次數(shù)；df 為出現(xiàn)該詞的文獻(xiàn)的個數(shù)。例題詳見 PPT 3 建模 P32。14. 利用向量空間模型的搜索引擎的實(shí)現(xiàn)綜合題1) 概念、定義及用戶需求：向量空間模型是基于線性代數(shù)的一種信息檢索模型，它用檢查項的向量空間來表示用戶的查詢要求和數(shù)據(jù)庫文檔信息，查詢結(jié)果是根據(jù)向量空間的相似性而排列的。向量空間模型可方便地產(chǎn)生有效的查詢結(jié)果，能提供相關(guān)文檔的文摘，并對查詢結(jié)果進(jìn)行分類，為用戶提供準(zhǔn)確的信息。2) 基本思想、算法和數(shù)學(xué)推導(dǎo)向量空間模型的基本思想是以向量來表示文本：（W1,W2,W3Wn），其中 Wi 為第 i 個特征項的權(quán)重，那么選取什么作為特征項呢，一般可以選擇字、詞或詞組。要將文本表示為向量空間中的一個向量，就首先要將文本分詞，由這些詞作為向量的維數(shù)來表示文本。D（文獻(xiàn)表示）文本表示為帶權(quán)重的標(biāo)引詞的集合，dj=w1,j, w2,j, , wt,j權(quán)重表示該標(biāo)引詞與該文本的相關(guān)程度Q（查詢）查詢也表示為帶權(quán)重的標(biāo)引詞的集合， q=w1,q, w2,q, , wt,q權(quán)重表示標(biāo)引詞與用戶需求的相關(guān)程度F（聯(lián)系機(jī)制）文本和查詢有同樣的表示（ t維空間的向量）查詢被當(dāng)作為假想的文本R（排序）用向量夾角的余弦計算dj和q的相似度可能遇到的技術(shù)難點(diǎn)有兩個方面：特征項權(quán)重、降維3) 可能遇到的技術(shù)難點(diǎn)：特征項權(quán)重、降維索引過程首先要從文獻(xiàn)中抽取重要詞，把它們映射到特征項集中，進(jìn)行權(quán)重計算。由于文獻(xiàn)中不同詞匯的出現(xiàn)頻率隨文章的內(nèi)容和作者的習(xí)慣而不同，因此，最初的索引系統(tǒng)都是從應(yīng)用詞頻開始的。實(shí)際應(yīng)用中顯得有些粗糙，比如：為什么中頻詞好？兩個閾值怎么選?。康鹊?，但是，這些思想為信息檢索系統(tǒng)中項的選取奠定了基礎(chǔ)。4) 改良方案簡單地把所有的詞匯都作為文獻(xiàn)的特征項，檢索效果并不很好，不同的詞匯對文獻(xiàn)的表示作用不同。一般說來，常用詞在所有文獻(xiàn)中都有著較高的頻率，區(qū)分度低；罕用詞在文獻(xiàn)集中的出現(xiàn)次數(shù)較少，難以確定它們的統(tǒng)計規(guī)律，相關(guān)度低；而中等頻率的詞匯常常與文獻(xiàn)所表示的主題相關(guān)，區(qū)分度較高，表示能力最強(qiáng)，最有價值。有價值的特征項應(yīng)具備以下特征：相關(guān)度（與文獻(xiàn)內(nèi)容有關(guān)，以便在需要時進(jìn)行索引項的檢索）區(qū)分度（能將一篇文獻(xiàn)與其它文獻(xiàn)區(qū)分開），通過項頻率tf（文獻(xiàn)內(nèi)頻率）和反比文獻(xiàn)頻率idf（inverse document frequency）來度量特征項的價值。5) 用向量空間構(gòu)造的搜索引擎的應(yīng)用的展望：第四講 跨語言信息檢索15. 跨語言信息檢索的原理簡答題跨語言信息檢索（CLIR）是指以一種語言的提問式檢索出其它語言信息的一種檢索方法。一般認(rèn)為，跨語言信息檢索是信息檢索與機(jī)器翻譯相結(jié)合的技術(shù).跨語言信息檢索是涉及到多種新的概念，是各種技術(shù)的有機(jī)結(jié)合。一般CLIR系統(tǒng)包含以下三個步驟：(1)多語言信息的搜集以及存儲；(2)應(yīng)用NLP、機(jī)器翻譯等技術(shù)實(shí)現(xiàn)源語言與目標(biāo)語言的統(tǒng)一；(3)利用傳統(tǒng)的單語檢索技術(shù)實(shí)現(xiàn)查詢與文檔之間的匹配。其中，步驟(2)是實(shí)現(xiàn)CLIR的關(guān)鍵。根據(jù)翻譯方向的不同；當(dāng)前的跨語言檢索方法大體可以分成以下四種種方式：將源語言表示的查詢翻譯到目標(biāo)語言，即查詢翻譯方法；將目標(biāo)語言表示的文檔翻譯到源語言，即文檔翻譯方法；將查詢和文檔同時翻譯到另一中間語言，即中間語言翻譯方法。除此之外，還有基于本體的非翻譯方法16. 基于規(guī)則的機(jī)器翻譯方法的原理簡答題又稱傳統(tǒng)的翻譯方法，是基于語言規(guī)則的理性方法,，強(qiáng)調(diào)人對語言知識的理性整理?；谝?guī)則的機(jī)器翻譯方法認(rèn)為翻譯的過程是需要對源語言的分析和源語言意義的表示，然后再生成等價的目標(biāo)語言的過程。根據(jù)翻譯過程的不同，規(guī)則方法可分為兩種主要方法：基于轉(zhuǎn)換的方法的翻譯過程包括三個階段：分析得到一種源語言的抽象表示；把源語言的抽象表示轉(zhuǎn)換為目標(biāo)語言的抽象表示；由目標(biāo)語言的抽象表示生成目標(biāo)語言?；谥虚g語言的方法在對源語言分析后產(chǎn)生的是中間語言，而目標(biāo)語言的生成是直接由這種中間語言開始的。17. 基于實(shí)例的機(jī)器翻譯方法的原理簡答題基于實(shí)例的機(jī)器翻譯的本質(zhì)是“以翻譯實(shí)例為基礎(chǔ)，基于相似原理的機(jī)器翻譯”，其利用的主要知識源是預(yù)處理過的雙語語料和翻譯詞典?；趯?shí)例的翻譯過程通常包括三步：在翻譯實(shí)例庫中搜索匹配片段；確定相應(yīng)的譯文片段；重新組合譯文片段以得到最終翻譯。18. 基于統(tǒng)計的機(jī)器翻譯方法的原理簡答題是目前非限定領(lǐng)域機(jī)器翻譯中性能較佳的一種方法。基本思想是通過對大量的平行語料進(jìn)行統(tǒng)計分析，構(gòu)建統(tǒng)計翻譯模型，進(jìn)而使用此模型進(jìn)行翻譯。統(tǒng)計機(jī)器翻譯的首要任務(wù)是為語言的產(chǎn)生構(gòu)造某種合理的統(tǒng)計模型，并在此統(tǒng)計模型基礎(chǔ)上，定義要估計的模型參數(shù)，并設(shè)計參數(shù)估計算法。一般來說需要參考語料進(jìn)行有監(jiān)督訓(xùn)練。19. 跨語言信息檢索的應(yīng)用簡答題基于Web的搜索引擎是跨語言信息檢索的一個重要應(yīng)用領(lǐng)域，世界上主要的搜索引擎都相繼實(shí)現(xiàn)了跨語言信息檢索的功能?？缯Z言信息檢索還可以應(yīng)用于數(shù)字圖書館和對專業(yè)數(shù)據(jù)庫的檢索等領(lǐng)域20. 跨語言信息檢索的原理是什么？主要技術(shù)有哪些？簡答題 跨語言信息檢索是將及其翻譯技術(shù)融入到傳統(tǒng)信息檢索中。主要有基于規(guī)則的方法、基于實(shí)例的方法和基于統(tǒng)計的方法。21. 跨語言信息檢索的構(gòu)建綜合題請仔細(xì)閱讀參考資料一種新的基于中間語義的跨語言信息檢索模型.pdf第五講 文本分類22. 文本分類的一般過程簡答題文本自動分類是指在給定的分類體系下，根據(jù)文本的內(nèi)容用計算機(jī)程序確定文本所屬類別的過程。一般采用機(jī)器學(xué)習(xí)的方法進(jìn)行自動文本分類。即：基于訓(xùn)練集的文本自動分類。文本分類的一般過程為：1. 收集訓(xùn)練集和測試集，對文本進(jìn)行預(yù)處理2. 對文本類別進(jìn)行人工標(biāo)注3. 對文本進(jìn)行特征提取4. 訓(xùn)練（學(xué)習(xí)）5. 評價a) 精確率、召回率、F1宏平均(關(guān)于類別的均值)，微平均(關(guān)于文本的均值)23. 文本分類的常用方法簡答題1. Rocchio方法: a) 每一類確定一個中心點(diǎn)（代表元），計算待分類的文檔與各類代表元間的距離，并作為判定是否屬于該類的判據(jù)。b) 構(gòu)造方法：給定一個類，訓(xùn)練集中所有屬于這個類的文檔對應(yīng)向量的分量用正數(shù)表示，所有不屬于這個類的文檔對應(yīng)向量的分量用負(fù)數(shù)表示，然后把所有的向量加起來，得到的和向量就是這個類的原型向量。c) 定義兩個向量的相似度為這兩個向量夾角的余弦，逐一計算訓(xùn)練集中所有文檔和原型向量的相似度，然后按一定的算法從中挑選某個相似度作為界d) 給定一篇文檔，如果這篇文檔與原型向量的相似度比界大，則這篇文檔屬于這個類，否則這篇文檔就不屬于這個類。訓(xùn)練文本 Rocchio分類2. K-Nearest Neighbor: 基本思想：在給定新文本后，考慮在訓(xùn)練文本集中與該新文本距離最近（最相似）的K 篇文本的類別做為該文檔的候選類別。該文檔與K個鄰居間的相似度按類別分別求和，減去一個預(yù)先得到的截尾閥值，就得到該文檔的類別測度。3.4. 決策樹方法: 決策樹通過把實(shí)例從根節(jié)點(diǎn)排列到某個葉子節(jié)點(diǎn)來分類實(shí)例，葉子節(jié)點(diǎn)即為實(shí)例所屬的分類。樹上的每一個節(jié)點(diǎn)說明了對實(shí)例的某個屬性的測試，并且該節(jié)點(diǎn)的每一個后繼分支對應(yīng)于該屬性的一個可能值5. 樸素貝葉斯、神經(jīng)網(wǎng)絡(luò)。24. 文本分類技術(shù)的應(yīng)用簡答題隨著科學(xué)技術(shù)的迅猛發(fā)展，特別是隨著因特網(wǎng)的快速發(fā)展，各種信息情報激增，特別是網(wǎng)上信息浩如煙海，人們可能通過因特網(wǎng)能很快地得到大量的資料，因此如何對所獲得資料進(jìn)行科學(xué)有效地管理是擺在人們面前一個不可回避而又很有意義的問題。對資料進(jìn)行管理一個很常見的方法就是對它們系統(tǒng)地進(jìn)行分類。用人工對文本材料進(jìn)行分類具有周期長、費(fèi)用高、效率低的特點(diǎn)，在信息爆炸的今天很難滿足實(shí)際需要，因此運(yùn)用計算機(jī)進(jìn)行自動分類成為了人們的研究方向。文本分類技術(shù)可以應(yīng)用于以下領(lǐng)域：1. 新聞出版按照欄目分類2. 類別政治,體育,軍事,3. 網(wǎng)頁分類4. 類似于Yahoo的分類5. 個性化新聞6. 智能推薦7. 垃圾郵件過濾8. 類別spam, not-spam25. 文本分類系統(tǒng)的構(gòu)建綜合題請參考資料文本自動分類系統(tǒng)的研究與實(shí)現(xiàn).pdf第六講 自動文摘26. 自動文摘的分類簡答題自動文摘有多種分類方法注意：每種定義的解釋請參考課件，答題時可適當(dāng)對每種定義進(jìn)行解釋1) 按文摘面向的用戶：劃分通用文摘；偏重文摘。通用文摘和偏重文摘的區(qū)別在于是否考慮了用戶的興趣。通用型文摘就是面向所有用戶的、文摘內(nèi)容不帶有任何側(cè)重的、全面反映原文內(nèi)容的文摘。對于一篇長的文章,如果用戶只關(guān)心某一方面(例如工業(yè)) ,這就涉及到了偏重問題。偏重文摘也稱為用戶聚焦文摘、主題聚焦文摘或查詢聚焦文摘。根據(jù)需要或者用戶的興趣提供相應(yīng)的有側(cè)重點(diǎn)的文摘。偏重文摘的結(jié)果不僅僅決定于原文的主題，也決定于用戶的個性化要求，它能夠把焦點(diǎn)放在用戶關(guān)心的部分，而不是把原文的每個部分平等對待。2) 按文摘處理的文本對象劃分：a) 單文檔文摘：處理的對象是單篇文摘，它對每篇文章獨(dú)立生成文摘。b) 多文檔文摘：實(shí)際上是對單文檔文摘的一個擴(kuò)展，比單文檔相比較需要一些新的技術(shù)和方法來處理。3) 按文摘的制作方法劃分：a) 基于統(tǒng)計的自動文摘；b) 基于理解的自動文摘；c) 信息抽取型自動文摘；d) 基于結(jié)構(gòu)的自動文摘27. 基于統(tǒng)計的自動文摘的原理簡答題將文本視為句子的線性序列,將句子視為詞