用于文档的向量分析方法

摘要

提供一种用来进行文档表示和文档分析的方法，包括从给定的文档抽取重要句子或确定两个文档之间的相似性。此方法检测在输入文档中出现的词语(11)；将输入文档分割为文档段，每个文档段都是大小合适的块；生成文档段向量(14)，每个向量包含根据出现于文档段中的词语的出现频率的值作为其元素。此方法计算平方和矩阵(15)的本征值和本征向量(16)，其中各个文档段向量的秩以R表示，并且从本征向量中选择多(L)个本征向量用来确定重要性(19)。计算选择的各个本征向量的平方投影加权和。

主权项

1.一种从输入文档抽取重要文档段的方法，包括：检测在所述输入文档中出现的词语；将所述输入文档分割为文档段，每个文档段都是大小合适的块；生成文档段向量，每个向量包含所述词语在所述文档段中的出现频率作为其元素值；确定所述文档段的平方和矩阵的本征值和本征向量，其中所述文档段向量的秩以R表示；从所述本征向量中选择用来确定重要性的L个本征向量，其中L为大于1的整数；计算所述文档段向量在所选择的本征向量上的平方投影的加权和；以及根据所述计算的文档段向量的平方投影的加权和选择具有显著重要性文档段。