（计算机应用技术专业论文）面向查询多文档文摘的文摘句选择与排序研究.pdf

硕士学位论文 砒s t e r st h e s i s 摘要 互联网的飞速发展促进了信息处理技术地不断进步。面向查询的多文档自动文 摘技术任务是基于特定的查询，将大量的查询结果文档中的相关内容浓缩为一个既 与查询相关，并且内容简洁、满足个性化需求的文摘，它能够回答查询提出的问题， 因此更具有针对性，更能适应当前互联网环境下对信息获取的个性化需要，因为它 既考虑到了用户的查询条件，又考虑了文档集包含的主要内容。 本文的主要工作包括以下几个方面： 第一，本文提出了一种以关键词语抽取为核心的文摘旬选择策略。通过查询扩 展相关技术得到相关多文档集中词语的查询相关性特征，利用最大似然估计得到语 料中词语的话题相关性特征，并将这两个特征值进行特征线性融合得到词语的重要 度以确定关键词语。然后通过关键词语重要度来给候选句打分，迸一步利用改进的 m m r ( m a x i m a lm a r g i n a lr e l e v a n c e ) 技术来调整候选句的总得分，最后挑选出文摘 句。本文将特征融合引入到词语层面，能够在更细的层面上刻画出句子信息，能够 选择出更符合需要的文摘句。 第二，本文提出了一种聚类与模板融合的文摘旬排序策略。将文摘旬集合聚类 成子话题集可以保证文摘句的话题不中断，根据文档的文摘代表性选择模板来为文 摘旬排序可以保证文摘句在逻辑上是连贯的。子话题间采用子话题在模板中的相对 位置进行排序，子话题内采用文摘句在模板中的绝对位置进行排序。实验结果显示， 本文所提出的方法有效地提高了文摘的可读性。 实验结果表明，以关键词抽取为核心的文摘句选择策略和聚类与模板融合的文 摘句排序策略都取得了比较好的效果，有效地提高了文摘的质量。 关键词：面向查询多文档自动文摘，关键词抽取，文摘句选择，聚类， 文摘旬排序 硕士学位论文 m a s t e r st h e s i s a b s t r a c t t h ee x p l o s i o no ft h ew o r l dw i d ew e bh a sc r e a t e dad e m a n df o rn e ww a y so fm a n a g i i l g d y n a m i c a l l yd 团咖i n f o r m a l i o nq u e r y - f o c u s e dm u l t i 朋a v e r a g e o z 2 一毛1 ) ，则取足为新的聚类中心 第四步：重复同样的处理，直到再找不到符合条件的新聚类中心。 4 3 最优代表性模板选择 在选择文摘旬排序模板时，曾经有学者提出寻找包含文摘句最多的那篇文档作 为模板来对文摘句排序，这种方法的主要原理在于该文档包含文摘旬越多就说明该 文档更贴近文摘旬集合，而且可以减少部分计算量。本文提出了一种新的模板选择 方法，可以使得选择出来的模板对于文摘句排序来说是最优的。 舣_ 她皿怼妫陶s ，蒯僦 这个定义用来衡量某篇文档q 是否能代表文摘句s ，以及在多大的程度上代表 文摘旬邑。计算方法为取该文档b 中每一个句子分别计算该句子与文摘句s 的相 似度，取最大的相似度值作为该文档4 对此文摘句s ，的代表性。 比文i 兰i 口对划酐噪s 鼢僦 这个定义用来衡量某篇文档d 是否能代表文摘句集s ，以及在多大的程度上代 表文摘旬集s 。计算方法为依次计算该文档口对所有文摘句最( 瓯s ) 的代表性， 并将该文档q 对所有文摘句的代表性进行相加求和，得到此文档q 对文摘句集s 的代表性。 撮优代表性模板的选择篑菘沩： 1 ) 计算文档集中文档q 对文摘句集中文摘句的代表性； 2 ) 计算文档集中文档皿对文摘旬集s 的代表性： 3 ) 对于文档集中的每一篇文档，选取对文摘句集s 的代表性最大的那篇文档作 为模板。 项士学位论文 m a s t e r st h e s i s 4 4 文摘句排序策略 为了保证排序后的文摘在逻辑上是连贯的，本文将文摘句与模板对应起来，寻 找文摘句在模板中的对应位置。本文将文摘句与模板中最相似的那句话所处的位置 作为文摘句s ，在模板中的绝对位置只。 聚类后的子主题中可能会包含多个文摘句，每个文摘句s ，均可以在模板中找到 绝对位置，但子主题难以确定绝对位置，就用相对位置r 来衡量该子主题互在模板 中的对应位置。 子主题霉在模板中的相对位置置可以通过如下方法得到：如果子主题霉只包含 一个文摘句s ，则相对位置冠等于文摘句s ，在模板中的绝对位置弓：如果子主题互 包含多个文摘句，则相对位置足等于文摘句的绝对位置加权平均值。 第一趟排序：子主题问排序。子主题间将采用子主题在模板中的相对位置进行 排序，如果置 尺，则子主题霉排在子主题弓前面； 第二趟排序：子主题内排序。经过子主题间排序后，子主题的先后次序已经基 本确定了，包含多个文摘句的子主题内部还要进行排序，排序的方法是采用文摘句 在模板中的绝对位置进行排序。如果b d k c 诊9 2 0 3 2 4 ， i e a d l i n e f r2 4m a r9 2 ，e l e c t i o n1 9 9 2 ：s m a l ls c i e n c e - b a l l o tb o x p i 瑁拳1 飞cf i n a u c i a lt u n e s l o n d o np a g e9 d u e 2 0 0 5 测试集中d 3 7 4 a 集合内f t 9 2 1 1 4 1 2 文本样铹 图5 - - 1 测试文本样例 硕士学位论文 m a s t e r st h e s i s 5 2 实验结果评价方法 2 0 0 4 年，c h i n y e wl i n 等人提出了r o u g e ( r e c a l lo r i e n t e du n d e r s t a n df o r g i s t i n ge v a l u a t i o n ) 评价方法。该方法请多个专家人工完成标准文摘集，然后统计待 评测系统生成的文摘与人工生成的标准文摘这二者之间重叠的基本单元的数目，根 据重叠数目的多少来评价文摘的质量。该方法现已成为文摘评价的通用标准之一， 基本的评测单元使用比较多的有l g r a m ，2 - g r a m 和s u 4 。评测单元n - g r a m 中的 n 值越大，匹配精确度越高，但匹配起来越困难。评测单元n - g r a m 中的l g r a m 就 是考虑基于词的简单匹配，评测单元n - g r a m 中的其它几个单元不仅考虑了词语之 间的顺序，还考虑了词语的匹配，评价更加客观。 d o c u m e n tu n d e r s t a n d i n gc o n f e r e n c e 采用了三种r o u g e 评价方法，这三种方 法分别是r d 汲珏一l 、r o u g e n 、r 0 嬲g 一形。 对于多文档自动文摘的评价，很难有通用的评测方法。如果先对自动文摘和标 准文摘进行预处理，然后再进行匹配，那么r d 唧2 和r d u 弛s ，u 4 的评价 结果还是比较值得信赖的。 5 3 以关键词抽取为核心的文摘句选择策略实验 本实验过程中，在计算词语的话题相关性特征时，如果选定了一个话题下的文 档集作为相关文档集，本文将不相关的文档集用剩余的4 9 个文档集来替代并参与 计算。 核心词语数目对文摘质量影响的实验本文也做了，在候选旬打分阶段的方法一 中，本文从d o c u m e n tu n d e r s t a n d i n gc o n f e r e n c e2 0 0 5 年的官方语料中随机选择出6 个话题生成文摘，并采用r o u g e 2 的评测分数作为结果，如图5 - 2 所示( 在图中， 横轴l 、2 、3 、4 、5 、6 代表核心词数目，分别为1 5 0 、2 0 0 、2 5 0 、3 0 0 、3 5 0 、4 0 0 ) 。 0 1 0 0 8 0 0 6 0 0 4 0 0 2 0 核心词数目对文摘质量的影喃 p 一1 一_ o ： 主要# = i 一 l 123455 核心词数目 图s o 不同核心词数目生成文摘的r o u g e 2 评测结果 从图5 - 2 中的数据可以看出，当核心词语的数目达到3 5 0 个时，r o u g e 2 的分数 达到丁最高值。 为了使实验数据具有可比性，本文选择了2 0 0 5 年d o c u m e n tu n d e r s t a n d i n g c o n f e r e n c e 的参赛队伍s y s t e m l d l 5 的评分结果进行对比分析渗赛队伍s y s t e m i d l 5 在2 0 0 5 年d o c u m e n t u n d e r s t a n d i n g c o n f e r e n c e 的r o u g e 2 和r o u g e s u 4 官方评测中 均获得了第1 名的好成绩，是非常优秀的系统。本文针对部分话题得到的文摘的 r o u g e 评测分数如袁5 一l 所示。在表5 一l 中的d 3 0 7 b 、d 3 1 3 e 、d 6 9 9 a 、d 3 2 i f 、 d 3 5 7 i 、d 3 3 1 f 、d 4 3 8 9 、d 4 4 6 j 、d 6 9 4 j 、d 3 4 3 c 分别代表话题名称，表5 1 中的方法 一是指公式( 31 0 ) 被选用来给候选句子进行打分方法二是指公式( 31 1 ) 被选 用来给候选句子进行打分。 表5 i 本文对部分话题得到的文摘r o u g e 评测结果一 一 方法裂 方法= ps y s t 七m l d i t o p i c ,r 0 u g e 2 pr o u g e s u 4 0r o u g e 2 p如u g e s u 4 r o u g c 2 i ，r o u g e s u 4 0 d 3 8 7 0 0 5 8 9 4 p0 1 2 4 3 6 00 0 8 3 9 r 7 00 1 2 1 ，0 0 6 0 6 3 00 1 1 5 8 7 p d 3 1 3 e oo 0 5 1 6 2 00 1 3 7 7 4 00 0 5 5 3 3 00 1 4 2 4 2 00 0 8 9 l1 00 1 4 4 6 0 觑2 l p 0 0 7 9 4 3 00 1 2 2 5 4 00 0 9 6 3 2 00 1 5 9 4 6 00 0 9 5 7 4 0 0 1 6 3 4 5 0 鳆3 l p 0 0 8 2 6 00 1 2 8 2 3 00 0 9 4 3 00 1 4 9 2 3 00 0 9 5 0l o0 1 5 6 3 7 p 蛹j 0 0 8 1 1 5 0o 1 1 9 7 2 ，0 0 8 3 辱1 00 1 3 2 1 4 00 8 7 9 3 2 a 0 1 2 1 4 和 d 3 5 7 i 00 1 1 4 8 9 00 1 6 9 5 7 00 1 2 6 3 1 00 1 7 9 4 6 )0 1 2 8 9 8 00 1 8 2 6 3 0 d ：4 3 墨驴 0 0 8 4 5 00 1 3 9 2 8 00 0 9 3 6 4 0 0 1 2 5 3 ，0 0 9 3 , 4 9 ， 0 1 4 5 7 3 0 d 4 4 6 j o 0 0 5 2 5 1 00 0 9 3 7 p0 0 6 7 9 8 00 1 0 6 l 如0 0 5 5 2 9 00 1 0 4 0 3 ： d 6 叫p 0 0 2 4 1 8 00 0 8 6 4 ：0 0 2 6 9 5 00 0 9 3 4 7 00 0 3 2 2 6 p0 0 9 9 2 3 矿 酾窆9 斛 0 0 7 9 5 2 00 1 0 8 5 6 00 。0 8 1 4 6 00 1 2 4 8 9 00 0 7 3 6 9 00 1 2 2 1 6 0 从表5 1 的数据可以看出，本文提供的方法二在话题d 3 0 7 b 、d 6 9 9 a 、d 3 4 3 c 、 d 4 3 8 9 、d 3 2 1 f 、d 4 4 6 j 下的评测结果要高于参赛队伍s y s t e m l d l 5 的评测结果。我们 对照r o u g e 评测分数，打开原文档集中的文档内容，对原文档集中的文档内容进行 分析后发现，本文方法二得分较高的话题中，原文档集中的文档内容句子长短适中， 非常有利于利用关键词语的重要度信息来给候选句进行打分；将表5 1 中得分较低 的话题下原文档集中的文档打开后发现，很多文档内容句子语法结构复杂，利用关 键词语的重要度信息来给候选句打分时难免会产生误差。另外，本文没用语义理解 的自然语言处理技术，词语重要度打分过程中包含了参数的最优值组合问题，如何 去根据语料的差异选择最优参数组合也是需要进一步研究的。 利用关键词语的重要度信息来给候选句子进行打分时，是否要除以候选句子中 的总词数，总词数这个参数是否应该进行平滑处理( 比如开平方) 还需要根据具体 的语料来分析。 am e m o r i a lc e r e m o n yw i l lb eh e l dm o n d a yi ns a n t aa n af o rt h r e eo r a n g ec o u n t y p o l i c eo f f i c e r sw h oh a v ed i e di nt h el i n eo fd u t yw i t h i nt h ep a s ty e a r , s h e r i f f s d e p a r t m e n ts p o k e s m a nl t n en u m b e ro fp o l i c eo f f i c e r sk i l l e do nd r u g - r e l a t e dd u t yr e a c h e da na l l = t i m eh i g hi n 1 9 8 8 ，t h ew a s h i n g t o n - b a s e dc r i m ec o n t r o li n s t i t u t es a i d f l a g sa tl o sa n g e l e sc i w h a l lw e r ef l o w na th a l fs t a f ft u e s d a yi nh o n o ro fap o l i c e o f f i c e rw h ow a sm o r t a l l yw o u n d e dm o r et h a nf i v ey e a r sa g o as h o o t i n gt h a t p a r a l y z e dh i ma n dp l a c e dh i mo ras l o wp a t ht o w a r dd e a t h m a s i hm o d a n i ，s u r r o u n d e db yaf i l mc r e wa ta r ti n g l e w o o ds t r e e tc o m e r , w a s e x p e r i e n c i n gf o rt h et h i r dt i m et h en i g h t m a r i s hd a yi nw h i c h & 4 4m a g n u mw a sp u t t oh i sh e a d ，h i sf a ra n dm o n e yw e r et a k e na n dap o l i c eo f f i c e rd i e da th i ss i d e t o m m yd el ar o s a , t h ef u l l e a o np o l i c eo f f i c e r k i l l e dt h u r s d a yd u r i n ga n u n d e r c o v e ro p e r a t i o n , w a sam o d e ln a r c o t i c so f f i c e r , a c c o r d i n gt ot h o s ew h ok n e w h i m j u r ys e l e c t i o ni nt h em u r d e rc a s eo fs t a c yb u t l e r , a c c u s e do fk i l l i n gas a nd i e g o p o l i c eo f f i c e r , w i l lb e 舀no c t n es p e c i a lc i r c u m s t a n c e sa l l e g et h a th a r t l e s sw a sk i l l e dw h i l ei nt h ep e r f o r m a n c e o fh i sp o l i c ed u t i e s 1 1 犯s a nj o s ep o l i c eo f f i c e r s u n i o nh a sf i l e ds u i ta g a i n s tt h ec i t y , c h a r g i n gt h a t i n a d e q u a t es 缸c r m gc o n t r i b u t e dt ot h es h o o t i n gd e a t ho fap o l i c eo f f i c e rb yac r a z e d g u n m a nl a s tm o n t h 图5 3d u c 2 0 0 5 的官方语料中话题d 3 4 3 c 下采用本文方法挑选出来的文摘句样例 5 4 聚类与模板融合的文摘句排序策略实验 为了使实验效果具有说服力，本文在d u c 2 0 0 5 和d u c 2 0 0 6 的官方语料中各选 择十个话题的文档集，并请4 名研究生参与人工提取摘要，每个话题产生了一篇连 贯的文摘，每篇文摘约有8 句话，记为2 0 个标准文摘。然后将每篇文摘的8 句话 顺序随机打乱，便于后续的实验。 文摘句排序的评测分为人工评测和机器评测。本文采用人工评测和机器评测方 式分别进行评测。 在人工评测阶段，我们还是请那4 名研究生参与人工打分，4 名研究生的打分 是独立进行的，他们参照2 0 个标准文摘给本文提出的方法产生的摘要连贯性进行 打分，打分采用百分制，4 名研究生的打分结果取平均值就是该文摘最后的得分。 分数大于8 0 分的记为好，6 0 分至8 0 分的记为中，6 0 分以下的记为差。 机器评测方法包括k e n d a l l 相关系数、s p c a r m , - m 相关系数等。设 s l ，s n 是一个文摘句集，刀( f ) 代表文摘句墨的位置，刀代表本文算法给出的文摘句顺序，盯 代表正确的文摘句顺序。 k e n d a l l 相关系数是用于反映分类变量相关性的指标，适用于两个分类变量均为 有序分类的情况，取值范围在 - 1 ，l 】之间，k e n d a l l 相关系数的计算公式是： 吒仞卜而南万善舌s 嘶u ) - - t ) * s e n ( “力呵嘞 ( 5 1 ) 其中，当两个排序完全相同时，s g n ( y ) = 1 ；当两个排序完全相反时，s g n ( v ) = - i 。 s p e a r m a n 相关系数是利用两变量的秩次大小作线性相关分析。s p e a r m a n 相关系 数的计算公式是： 呱刎= l 一南善协( f ) 可o ”2 ( 5 2 ) 还有另外一种评测文摘句连贯性的方法嘲，计算方法是： 咖= 去扣u a l s ( ，r c r - l ( 耽舾- l ( h ) + 1 ) ( 5 3 ) 其中，n - ( o ) = 仃( o ) = 0 ；当x2 y 时，e q u a l s ( x ，力= 1 ，否则叼加b 沁力= o 。这 种方法得到的值从0 到1 ，当无连续序列出现时为0 ，序列相同时为1 。 硕士学位论文 m a s t e r s 丁h e $ i s 平均连贯性评测机制扩展了连续k 个句子的连贯性思想 4 9 l 。如果文摘旬排序完 成后不引起读者阅读中断则称这篇文摘的排序是合理的，因此，文摘旬的排序质量 可以通过与标准文摘中连续句子的数目多少来衡量，这等价于评测与标准文摘中连 续句子的精确度，n 个连续句子的精确度只定义为： 只= 二 ( 5 4 ) 一 n n + l 、。7 其中，n 代表标准文摘中的文摘句数目，n 代表需要评测的连续句子长度，m 是同 时出现在评测文摘和标准文摘中的连续句子数目。平均连贯性a c 定义为： 上 a c = e x p 亡l o g ( 只+ 口) ) ( 5 5 ) n 。1n = 2 其中，k 代表用来控制排序逻辑的参数，当= o 时，口是很小的值。当评测文 摘和标准文摘没有相同的连续句子时，a c = 0 ；当评测文摘和标准文摘句子顺序完 全相同时，a c = i 。 作为对比，本文在实验过程中，方法一是寻找包含文摘句最多的那篇文档作为 模板并且聚类后两趟排序来对文摘旬排序。方法二是采用本文提出的最优代表性模 板并且聚类后两趟排序来对文摘句排序。方法三是采用本文提出的最优代表性模板 但不聚类而是直接根据文摘句的绝对位置来对文摘句排序。针对2 0 个文档集得到 的文摘句排序后人工评测结果如表5 2 所示，机器评测结果如表5 3 所示。 表5 - 2 文摘句排序后人工评测结果 好 中 差 方法一6 篇8 篇 6 篇 方法二7 篇 1 0 篇3 篇 方法三 5 篇7 篇8 篇 3 1 表5 3 文摘句排序后机器评测结果 k e n d a l l 相关系数 s p e a r m a n 相关系数 最高分最低分平均分最高分 最低分平均分 方法一0 8 5 2 0 5 7 30 7 9 10 8 7 40 6 3 70 7 8 6 方法二0 8 9 5 o 6 l lo 8 1 30 8 8 20 7 0 4o 8 0 9 方法三0 8 4 7 0 6 0 80 7 8 30 8 6 90 6 2 40 7 5 2 从表5 2 和表5 3 的数据可以看出，本文提出的最优代表性模板比寻找包含文 摘句最多的那篇文档作为模板在文摘句排序效果上更好。采用本文提出的最优代表 性模板并且聚类后两趟排序来对文摘句排序比不聚类而是直接根据文摘句的绝对 位置来对文摘句排序得到的效果好，这充分说明了本文提出的聚类与模板结合的文 摘句排序策略是非常有效的。 硕士学位论文 m a s t e r st h e s i s g r e e n h o u s eg a se n l i s s i o n sm c l u d i n gc a r b o nd i o x i d ec r e a t e db yt h eb u r n i n go f c o a l ，g a sa n do i l ，a r eb e l i e v e db ym o s ta t m o s p h e r i cs c i e n t i s t st oc a u s et h e w a r m i n go f t h ee a r t h ss u r f a c ea n dac h a n g ei nt h eg l o b a lc l i m a t e w h i l ec o u n t r i e sw o r ko u tt h e d e t a i l so ft h e k y o t oa g r e e m e n t , t h e i n t e r g o v e m m e n l a lp a n e lo nc l i m a t ec h a n g es t a t e dt h a tt h el a c ko fs c i e n t i f i c u n d e r s t a n d i n go ft h ee f f e c t so fg l o b a lw a r m i n go i lt h ew e s ta n t a r c t i ci c es h e e t l i m i t st h ea b i l i t yt op r e d i c tt h er i s ko f t h ec o l l a p s e o fm e l t i n g f o rt h a tm a s o n , s l i g h t l yh i g h e rr a t e so fw a n n i n ga n ds e al e v e lr i s er e l a t e dt o w a r m i n ga me x p e c t e d ”t h es p e e do fc h a n g ec a u s e db yt h ec h a n g ei nc l i m a t ei s g r e a t e rt h a nm o s te c o s y s t e m sa r eg o i n gt ob ea b l et oa d a p tt o s c i e n t i s t so nm a c q u a r i ei s l a n df e a rt h a tao n e - d e g r e e c h a n g eo fg j o b a j t e m p e r a t u r ew o l l l dc o m p l e t e l yc h a n g eo n eo f t h eb i g g e s te c o s y s t e mi nt h ew o r l d a st h ew o r l dw a r m s ，g l o b a ls p al e v e l sw i l lr i s ea so c e a i l s e x p a n d t h ei n s u r e r sc a l l e do nc o u n t r i e st ot a k ep r e c a u t i o n a r ya c t i o n st or e d u c et h e 凼k s o fc l i m a t ec h a n g e t h er e p o r t , c l i m a t ec h a n g ei m p a c t so nt h e u n i t e ds t a t e s ：t h ep o t e n t i a l c o n s e q u e n c e so fc l i m a t ev a r i a b i l i t ya n dc h a n g e ，p v i d 骼t h em o s td e t a i l e dl o o k e v e ra tt h ep o s s i b l ei m p a c t so f g l o b a lw a r m i n go nt h eu n i t e ds t a t e so v e rt h en e x t 1 0 0y e a r s u n e pi sc o n c e r n e dw i t ha d d r e s s i n gt w oa s p e c t so fc l i m a t ea f f e c t i n ga f r i c a , n a m e l yt h ei m p a c to fc l i m a t ev a r i a b i l i t yo i ls o c i oe c o n o m i cs y s t e m sa n dt h e p o t e n t i a li m p a c t so fc l i m a t ec h a n g eo i le c o - s y s t e m sa n dt h es o c i oe c o n o m i c s y s t e mo fc o u n t r i e s 图5 4d u c 2 0 0 6 中话题d 0 6 0 6 捧序前的文摘句样例 3 3 s c i e n t i s t so nm a c q u a r i eb l a n df e a r t h a tao n e - d e g r e ec h a n g eo fg l o b a lt e m p e r a t u r e w o u l dc o m p l e t e l yc h a n g eo n eo f t h eb i g g e s te c o s y s t e mi nt h ew o r l d a st h e w o r l dw a r m s ，g l o b a ls e al e v e l sw i l lr i s ea so c e a n s e x p a n d f o rt h a tr e a s o n , s l i g h t l yh i g h e rr a t e so fw a r m i n ga n ds e al e v e lr i s er e l a t e dt o w a r m i n ga r ee x p c g l c d ”ms p e e do fc h a n g ec a u s e db yt h ec h a n g ei nc l i m a t ei s g r e a t e rt h a nm o s te c o s y s t e m sa r eg o i n gt ob ea b l et oa d a p tt o g r e e n h o u s eg a se m i s s i o n si n c l u d i n gc a r b o nd i o x i d ec r e a t e db yt h eb u r n i n g o f c o a l ， g a sa n do i l ，a r eb e l i e v e db ym o s ta t m o s p h e r i cs c i e n t i s t st oc a u s et h ew a r m i n go f t h e e a r t h ss u r f a c , oa n dac h a n g ei nt h eg l o b a lc l i m a t e u n e pi sc o n c e r n e dw i t ha d d r e s s i n gt w oa s p e c t so f c l i m a t ea f f e c t i n ga f r i c a , n a m e l y t h ei m p a c to fc l i m a t ev a r i a b i l i t yo ns o c i oe c o n o m i cs y s t e m sa n dt h ep o t e n t i a l i m p a c t so fc l i m a t ec h a n g eo ne c o - s y s t e m sa n dt h es o c i oe c o n o m i cs y s t e mo f c o u n t r i e s t h er e p o r t , c l i m a t e c h a n g ei m p a c t s 0 1 1t h eu n i t e ds t a t e s ：t h ep o t e n t i a l c o n s e q u e n c e so fc l i m a t ev a r i a b i l i t ya n dc h a n g e ，p r o v i d e st h em o s td e t a i l e dl o o k e v e ra tt h ep o s s i b l ei m p a c t so fg l o b a lw a r m i n go nt h eu n r e ds t a t e so v e rt h en e x t 1 0 0y e a r s w h i l ec o u n t r i e sw o r ko u tt h e d e t a i l so ft h e k y o t oa g r e e m e n t , t h e i n t e r g o v e m m e n t a lp a n e lo i lc l i m a t ec h a n g es t a t e dt h a tt h el a c ko fs c i e n t i f i c u n d e r s t a n d i n go ft h ee f f e c t so fg l o b a lw a r m 啦o nt h ew e s ta n t a r c t i ci c es h e e t l i m i t st h ea b i l i t yt op r e d i c tt h er i s ko f t h ec o l l a p s e o rm e l t i n g t h ei n s u r e r sc a l l e do nc o u n t r i e st ot a k ep r e c a u t i o n a r ya c t i o n st or e d u c et h er i s k so f c l i m a t ec h a n g e 图5 5d u c 2 0 0 6 中话题d 0 6 0 6 下文摘旬采用方法摊序后的结果样例 g r e e n h o u s eg a se m i s s i o n si n c l u d i n gc a r b o nd i o x i d ec r e a t e db yt h eb u r n i n go f c o a l , g a sa n do i l ，a 1 1 eb e l i e v e db ym o s ta t m o s p h e r i cs c i e n t i s t st oc 勰t h e w a r m i n go f t h ee a l 也l ss u r f a c ea n dac h a n g ei nt h eo o b a jc l i m a t e a st h ew o r l dw a l m s ，g l o b a ls e al e v e l sw i l lr i s e 弱o c e a n se x p a n d f o rt h a tr e a s o n , s l i g h t l yh i g h e rr a t e so fw a r m i n ga n ds e al e v e lr i s er e l a t e dt o w a r m i n ga r ee x p e c t e d ”t h es p e e do fc h a n g ec a u s e db yt h ec h a n g ei nc l i m a t e i sg l e a t e rt h a nm o s te c o s y s t e m sa l eg o i n gt ob ea b l et oa d a p tt o u n e pi sc o n c e r n e dw i t ha d d r e s s i n gt w oa s p e c t so fc l i m a t ea f f e c t i n ga f r i c a , n