总结者

摘要:自动文本摘要。摘要是自然语言处理中的一个难题,因为要正确地处理它,就必须真正理解文本的要点。这需要语义分析、语篇处理和推理解释(使用世界知识对内容进行分组)。最后一步,尤其是复杂的,因为没有大量世界知识的系统根本不能做到这一点。因此,迄今为止执行真正抽象的尝试——创建摘要作为摘要——并不是非常成功。然而,幸运的是,一个近似称为提取是更可行的今天。为了创建一个抽取,系统需要简单地识别文本的最重要的/局部的/中心的主题,并将它们返回给读者。虽然摘要不一定是连贯的,但读者可以形成对原文内容的看法。目前大多数自动文摘系统只生成摘录。SCOMPIST是一种尝试开发强大的提取技术,只要它可以去,然后继续研究和开发的技术,以执行抽象。这项工作面临的深度与稳健性权衡:要么系统分析/解释输入足够深,以产生良好的摘要(但限于小的应用领域),或他们工作在或多或少不受限制的文本(但不能深入分析,以融合输入到一个真正的总结,因此只执行主题提取)。特别是,使用解析器、语法和语义表示的符号技术不扩展到真实世界的大小,而基于单词计数和单词聚类的信息检索和其他统计技术不能创建真正的摘要,因为它们在Word(Surface)级别而不是在概念级别上操作。迄今为止,SCOMPIST产生五种语言的提取摘要(并且已经链接到必须的系统中的这些语言的翻译引擎)。工作正在进行中,以延长基于摘要的提取能力,并建立大量的知识收集所需的推理为基础的抽象。


ZBMaCT中的参考文献(3篇文章中引用)

显示结果1至3的3。
按年份排序(引文

  1. 支婷虎;郝然世;訾超洋;薄文覃;田成朝;Junxian;文涛望;y;y;y;y;y;y;y:;Tyxar:一个模块化的、通用的、可扩展的文本生成工具包(2018)阿西夫
  2. Dediu,Adrian Horia;M. Matos,Joana;Malni-VIDE,卡洛斯:自然语言处理,从规则走向数据(2017)
  3. 郭,Yi;StuliOS,乔治:基于认知心理学的智能摘要系统(2005)伊波尔特