ارائه یک چارچوب خلاصه سازی استخراجی متن (مستقل محتوا) گراف پایه بر اساس عنوان مدلسازی

خلاصه‌سازی خودکار متن فرایندی است که در آن اطلاعات مهم و بدون افزونگی در اختیار کاربر قرار می‌گیرد. در این مقاله یک چارچوب خلاصه‌سازی استخراجی متن مبتنی گراف پایه بر اساس عنوان مدل‌سازی و ساختار گراف ارائه‌شده است. چارچوب ارائه‌شده روی فضای برداری مبتنی بر عنوان تعریف می‌شود. هرچند یک سند ممکن است خود دارای تیتر باشد. بااین‌حال این تیتر الزاماً بازگوکننده کاملی از مفاهیم محلی در متن نیست. جهت رفع این نقیصه استفاده از «عنوان مدل‌سازی» پیشنهادشده است. «عنوان مدل‌سازی» تیترهای محلی پراهمیت را از متن سند استخراج می‌کند. از این تیتر برای استخراج جملات مهم استفاده می‌شود. سپس به‌منظور رتبه‌بندی این جملات، هر جمله به‌عنوان یک گره گراف انتخاب می‌شود. وزن‌های یال‌های گراف میزان تشابه بین جملات را نمایش می‌دهند. سپس ارزش هر گره با محاسبه امتیاز هر گره با توجه به وزن یال و درجه راس مشخص می‌شود. ارزیابی چارچوب یادشده بر روی مجموعه داده bbc news summary صورت گرفته است. بر اساس این ارزیابی بهترین مقدار را در میانگین rouge-1 برابر 72.97 متعلق به روش پیشنهادی است. همچنین در rouge-2 مقدار 65.54 نیز متعلق به روش پیشنهادی است؛ اما در rouge-l مقدار 50.04 متعلق به روش luhn است.

a graph-based extractive (context-free) text summarization framework based on topic modeling

automatic text summarization is process of provide important and non-redundant information to the user. in this article, we present a graph-based extractive (context-free) text summarization framework based on topic modeling. this framework is defined on the topic-based vector space. although, document may have title. however, this title is not necessarily a complete retelling of the local concepts in the text. in order to solve this defect, it is suggested to use topic modeling .topic modeling extracts the most important local headings from the text of document. this heading is used to extract important sentences. then, in order to rank these sentences, each sentence is selected as a graph node. the weights of edges graph show the degree of similarity between the sentences. then the value of each node is determined by calculating the score of each node according to the edge weight and vertex degree . the evaluation of the mentioned framework has been done on the bbc news summary dataset. based on this evaluation, the best value in rouge-1 average is 72.97 belongs to the proposed method. also, in rouge-2, the value is 65.54 also belongs to the proposed method. but in rouge-l 50.04 it belongs to the luhn method.