1.一种互联网网页和文本信息的自动摘要方法,其特征在于,其主流程包括以下步骤: 获得预设的网页及文本信息要素词及顶层高频组织结构词表,以及已经获得信息要素顶层高频组织结构词标记的可供抽取摘要的网页或文本源信息; 判断源信息是否已经获得的基于信息要素词顶层高频信息组织结构词分类的信息分类;如果已经获得,则进入下一步骤,如果没有,则对源信息进行自动分类; 判断源信息中是否已经标示出的网页或文本信息的主题关键词;如果已经获得标示,则进入下一步骤;如果未获得明确标示,则采用相关方法获得该源信息的主题关键词;用获得的源信息分类、该分类下匹配成功的信息要素组织结构词以及主题关键词抽取摘要信息的内容关键词及上下文; 用摘要质量指数判断摘要信息的质量,并根据质量判断结果对摘要信息进行质量计分; 根据上一步骤的执行结果,判断是否返回主流程, 如果是,则返回主流程中的用获得的源信息分类、该分类下匹配成功的信息要素组织结构词以及主题关键词抽取摘要信息的内容关键词及上下文; 用调整过的摘要质量指数,对该源信息再次进行摘要信息抽取及再次进行摘质量计分; 将执行所有步骤后获得的摘要信息,储存于自动摘要结果存储数据库; 其中, 所述的网页及文本信息是现有的已知常识性语义; 所述的预设的信息要素词顶层高频组织结构词表,是指指示网页和文本信息内容关键词的功能和效用范围的、不可再归纳的顶层高频组织结构词的分类集合; 所述的已经获得信息要素顶层高频组织结构词标记的源信息,是指已经获得信息要素顶层高频组织结构词标记的源信息; 所述的内容关键词,是指某条源信息中表达文件内容的关键词; 所述的可供抽取摘要的源信息,是指已经经过自动切词、过滤介词、虚词,并加入了词性标记加工处理的原文信息,所述的词性是指名词、动词、形容词、介词的常规的词汇应用属性; 所述的主题关键词是指表达该网页或文本源信息的内容主题的关键词的集合; 所述的抽取摘要信息的内容关键词及上下文的方法包括标题摘要信息要素缺损补充方法、标题信息要素组织结构词叠加方法; 所述的自动摘要结果存储数据库,是指所述的信息分类和分类下的信息组织结构建立的摘要结果存储数据库; 所述的摘要质量指数包括信息要素权重参数、信息要素词库。
2.根据权利要求1所述的方法,其特征在于,所述的获得预设的网页及文本信息要素词及顶层高频组织结构词表,以及已经获得信息要素顶层高频组织结构词标记的可供抽取摘要的网页或文本源信息的方法包括以下步骤: 将各类网页或文本信息中具有信息要素属性的所有内容关键词均分类存储于预设的信息要素词库; 用信息要素词库中的所有信息要素词对源信息中的所有内容关键词进行不同分类下的全要素遍历匹配; 凡是与信息要素词库中的信息要素词匹配成功的源信息内容关键词,均添加各信息分类下的信息要素组织结构词标记; 其中, 所述的信息要素属性,是指可做信息分类下的信息要素词的应用属性; 所述的信息要素词库是指所有信息要素词的分类存储数据库; 所述的全要素遍历匹配,是指对任何一条源信息,均用信息要素词库中的所有信息要素词分类逐词匹配源信息中的所有内容关键词。
3.根据权利要求1所述的方法,其特征在于,所述的对源信息进行自动分类的方法包括以下步骤: 用信息要素组织结构词表中的所有分类下的所有信息要素组织结构词,与源信息内容关键词中的所有信息组织结构词标记进行全要素遍历匹配, 计算每个分类下信息要素组织结构词匹配成功数量和重复率; 根据上一步骤的各类信息分类积分结果,确定该条源信息的信息分类。
4.根据权利要求1所述的方法,其特征在于,所述的采用相关方法获得该条源信息的主题关键词的方法包括: 抽取源信息标题中的名词性内容关键词; 如果标题中的名词性内容关键词只有一个,进入下一步骤, 如果标题中的名词性内容关键词不止一个,则用获得的标题中的所有名词性内容关键词,分别匹配同一信息分类下的源信息全文中的相同内容关键词; 统计各个匹配成功的内容关键词的匹配成功次数; 判断已经匹配成功的各个名词性内容关键词在源信息中的位置,并计算主题关键词位置的权重积分; 其中,所述的位置的权重,是指某名词性内容关键词与动词的距离,以及在标题、不同段落中的位置; 根据上述步骤中获得的每个内容关键字的积分,抽取积分最高、且离动词最近的名词作为该条源信息的首选主题关键词, 根据其他主题关键词在全文中匹配成功的次数和权重积分对该条源信息的所有主题关键词进行排序, 所述的主题关键词是指表达该网页或文本信息的内容主题的关键词的集合。
5.根据权利要求1所述的方法,其特征在于,所述的用获得的源信息分类、该分类下匹配成功的信息要素组织结构词以及主题关键词抽取摘要信息的内容关键词及上下文的方法如下: 计算某条源信息中的每个句子在上一权利要求中获得的主题关键词的数量以及主题关键词与动词的距离权重的综合积分; 根据执行上一步骤的综合积分结果,按积分高低抽取源信息句子作为摘要上下文。
6.根据权利要求1所述的方法,其特征在于,所述的抽取摘要信息的内容关键词及上下文的方法包括标题摘要信息要素缺损补充方法、标题信息要素组织结构词叠加方法中的信息要素缺损补充方法包括:从执行结果中获得源信息、信息分类及标题信息; 用该类信息词库中的所有信息要素组织结构词匹配源信息标题信息的全部信息要素组织结构词标记,并根据匹配结果判断该标题的信息要素结构是否完整; 如果完整,则结束本实施例所述步骤;如果不完整,则进入下一步骤;如果不完整,则用执行上一步骤所获结果中缺少的信息要素组织结构词,匹配源信息中是否有相同的组织结构词标记; 如果有信息要素组织结构词匹配成功,则调用源信息中匹配成功的组织结构词标记下的信息要素词填入标题信息中。
7.根据权利要求1所述的方法,其特征在于,所述的抽取摘要信息的内容关键词及上下文的方法包括标题摘要信息要素缺损补充方法、标题信息要素组织结构词叠加方法中的信息要素缺损补充方法还包括:判断源信息标题的结构类型; 用源信息中同一标题的不同结构下的信息要素组织结构词匹配信息要素词库中相同分类下的信息要素组织结构词; 将分别获得的不同信息要素组织结构词进行叠加,并用叠加结果调用源信息中的相关信息要素词进行摘要组合;其中, 所述的信息要素组织结构词叠加,是指用同一信息分类、同一标题中不同部分的信息组织结构词匹配结果进行组合。
8.根据权利要求1所述的方法,其特征在于,用摘要质量指数判断摘要信息的质量,并根据质量判断结果对该摘要信息进行质量计分的方法包括以下步骤: 根据预设的摘要质量指数,分类判断执行上述所有步骤后所获得的摘要信息质量; 根据上一步骤获得的每条摘要信息的质量判断结果对所有相关摘要信息进行质量排序; 根据上一步骤获得的摘要质量判断结果,或进入下一步骤,或返回已经调整过的摘要抽取方法,用获得的源信息分类、该分类下匹配成功的信息要素组织结构词以及主题关键词抽取摘要信息的内容关键词及上下文; 将执行前述所有步骤获得的信息摘要抽取结果和质量排序信息,存入自动摘要相关数据库; 其中,所述的摘要质量指数包括:可用性、完整性、可靠性; 所述的可用性,是指摘要信息结构中是否缺损核心要素; 所述的完整性,是指摘要信息的所有信息要素结构词下是否有信息要素词; 所述的可靠性,是指信息发布方与发布信息的直接相关性; 其中,所述的调整过的摘要抽取方法,包括调整信息要素词库及调整信息要素组织结构词的权重指数;所述的调整信息要素词库,是指增加或减少信息要素词库中的信息要素词或信息要素词分类; 其中,调整摘要抽取方法的步骤,可以是自动完成,也可以是人工参与完成; 所述的自动摘要结果存储数据库,是指按信息分类和分类下的信息要素组织结构建立的相关数据库。