目录

参考

https://github.com/jiangnanboy/NewsSummary

https://blog.csdn.net/Silience_Probe/article/details/80700005

https://blog.csdn.net/zjrn1027/article/details/81136761

MMR是Maximal Marginal Relevance的缩写，中文为最大边界相关算法或最大边缘相关算法。

用来计算Query语句与被搜索文档之间的相似度，从而对文档进行rank排序的算法。

\[ MMR(Q,C,R)= \underset{D_i \in R \setminus S}{argmax}[\lambda sim_1(Q,d_i)-(1-\lambda)\max _{D_j\in S}(sim_2(d_i, d_j))] \]

• \(D_i\)：集合C中的一篇文档
• Q: query
• R: C中的相关文档集合
• S: 当前结果集合
• \(\lambda\)：可调超参，\(\lambda\)越大，准确率越高；\(\lambda\)越小，准确率越低

公式分为两部分，

• 左边是候选句子和query的相似程度，
• 右边部分是候选句子与所有已选择句子集合相似度最大值，取了负号，意味着最终候选的句子间相似度越低越好。