第四章 重要事實句擷取方法
4.2 特徵擷取方法
為了進行分類預測挑選出重要事實句，此步驟必須對一篇報導中取出的每個 候選重要事實句進行特徵擷取。我們主要考慮三類句子特徵，第一類為語句結構 上的特徵，第二類則為語意上的特徵，而第三類為句子前後文的特徵，下列將分 別介紹此三類特徵。
4.2.1 語句結構特徵
<1> 句子中字詞個數
此特徵考慮字詞個數相對較多，較能夠完整表達新聞事實。計數字詞個數方 法為，將句子s 斷詞後，計數斷詞後所得字詞個數，並將個數值比例化。比例化 方法為將字詞個數除以報導中單一句最多字詞個數。
以圖9 範例所示，「巴拉圭监狱火灾 6 死 12 伤」句子 s 斷詞後為{巴拉圭,监 狱,火灾,6,死,12,伤 }，共有 6 個字詞。而內文中最多字詞個數句子為 「南美洲 内陆国家巴拉圭首都亚松森一所监狱10 日发生火灾」，共有 12 個字詞，則句子 s 特徵<1>的值為6
12。
<2> 不同詞性數量比例
常見用來描述一件事實的句子，大多以名詞、動詞、形容詞和修飾詞所構成，
名詞常用來代表人物、事物，動詞代表人事物所施行的動作，而形容詞和修飾詞 能夠讓資訊更完整，因此以計數句子中包含這些詞的比例當作特徵。以 w 代表 句子s 中的字詞集合，分別計數名詞數量、動詞數量、形容詞數量、數量詞數量
21
22
圖 10 巴拉圭監獄火災 6 死 12 傷 新聞
以圖10 範例所示，報導內文句數共有 6 句，框起來的句子在報導中的位置 是第3 句，則此句子特徵<4>的值為3
6
<5> 句子在所屬段落裡的位置
報導內文大部分會有多個段落，不同段落所要描述的資訊重要程度不盡相同。
同理，同一段落中的句子在不同位置亦有不同重要程度。而在中文語句寫作習慣 上，會將所要描述的重要事實，擺放在段落前端，因此分析句子在段落中位置，
作為一個事實重要句分類特徵。以𝑃𝑗代表句子s 所在段落，且 s 為𝑝𝑗中的第 i 個 句子，則會將i 比例化後當成 s 特徵<5>的值，比例化方法為將 i 除以段落中句子 總數|𝑝𝑗|，故 s 特徵<5>的值為 i
|𝑝𝑗|。以圖 10 範例所示，框框中的句子 s，其出現 在段落二中的第二句，而段落二的句子總數為2，故 s 特徵<5>的值為2
2= 1。
4.2.2 語意特徵
語意特徵考慮句子中每個字詞在文章的語意重要性，句子中包含在文中出現 頻率高的字詞，包含多個主題關鍵詞、或是多個字詞與主題關鍵字詞相關，代表 此句子有可能是重要句子。下列分別介紹語意特徵。
23
<6> 句子中字詞平均 TF-IDF 值
TF-IDF 是資訊檢索中常用以計算字詞在文章中的重要性方法，除了在文章 中計算一個字詞的TF 值，需透過給定一個文件集來計算 IDF 值，本論文使用 241 篇新聞實驗資料集來計算IDF 值。
以s 代表內文中的句子，w 代表 s 中的字詞，計算句子 s 中各字詞 w 的 TF-IDF 值相加取平均值當作句子s 特徵<6>的值。
以圖11 範例所示，假設句子 s 的字詞 TF-IDF 值依序為 0.3、0.5、0.6、0.3、
0.1 和 0.5，則句子 s 的平均 TF-IDF 為
0.3+0.5+0.6+0.3+0.1+0.5
6 ，
故句子s 的<6>特徵值為0.38。
圖 11 字詞 TF-IDF 範例
<7> 句子中的相異主題關鍵詞數量
當一個句子中出現較多個不同的主題關鍵詞，表示句子與新聞主旨相關度高，
較能夠擷取出重要新聞事實。因此此特徵透過計數句子中包含相異關鍵詞的數量，
挑選出事實含量多的句子。以I 代表該報導的主題關鍵詞集合，W 代表句子 s 中 的字詞集合，則|I ∩ W|為 s 特徵<7>的值。
24
圖 12 範例所示為一斷詞後的句子 s，框框字詞為主題關鍵詞，因此句子 s 中的相異關鍵詞數量為2。
圖 12 句子中的關鍵詞範例
<8> 句子字詞與關鍵詞相似度
若句子中多數字詞與主題關鍵詞中的字詞有較高相關性，則代表此句子較有 可能是重要事實句。
以 w 代表句子 s 中的字詞，w’代表該報導內文關鍵詞集合中的字詞，透過 計算句子s 中每個字詞 w 與關鍵詞集合中每個字詞 w’相似度總和，再取平均值 當成句子s 特徵<8>的值。下列公式 1 為其計算方法，其中 w2vSim 為 word2vec
模型，用以計算兩詞餘弦相似度值。
𝑠𝑖𝑚 1 (𝑠, 𝐼 𝑗 ) = 1
|𝑠|∗|𝐼
𝑗| ∑ 𝑤∈𝑆,w’∈𝐼
𝑗𝑤2𝑣𝑆𝑖𝑚(𝑤, w’) (公式 1) 4.2.3 句子前後文特徵
<9> 段落中包含主題關鍵字的句子數量
當段落中多個句子包含主題關鍵字，代表此段落多數句子都是在描述重要事 實。而含有重要事實的段落中的句子，較有可能是一個重要事實句。以S 代表段 落 中 的 句 子 集 合 ， 𝑠𝑖代 表 S 中的任一個句 子，若 S 含有 n 個 句子，則 S={𝑠1, 𝑠2, 𝑠3, … 𝑠𝑛}。計數 S 中包含有任一主題關鍵詞的句子數量，除以段落的總
25
26
擷取前後句中主題關鍵詞數量，作為判斷句子 s 是否為重要句。以圖 13 範例所 示，底線為虛線部分為句子 s，而實線部分為關鍵詞，從圖 13 觀察到前一句子 中並無關鍵字詞，因此句子s 的「前一句子中關鍵詞數量特徵」的值為 0，而後 一句子中有兩個關鍵字詞「火灾」、「囚犯」，因此句子 s 的「後一句子中關鍵詞 數量特徵」的值為2。
圖 13 句子中關鍵詞數量範例