可比新闻语料

*　输入关键字

• 获取新闻语料
• 获取可比新闻 *　获取可比句

* 新闻语料的获取

• 从互联网爬取网页
• 提取网页正文和新闻文本去重
• Nutch

* 可比新闻的获取

• 从新闻语料中获取可比新闻

• 候选提取

  • 关键字和关键信息
• 候选过滤
  • 除去重复
  • 时间间隔
  • 文本内容相似性

* 可比句的提取

* 从可比句中提取复述候选语言

* 二分类算法，进行复述的确认