Multi-Document Summarization
Multi-Document Summarization (MDS) ist eine Aufgabe der natürlichen Sprachverarbeitung, die eine Gruppe zusammenhängender Dokumente zu einer einzigen umfassenden, kohärenten und nicht-redundanten Zusammenfassung verdichtet. MDS, das von Erkan und Radev (2004) formal durch den LexRank-Algorithmus beschrieben wurde, wird in der Nachrichtenclusteranalyse, bei systematischen Literaturübersichten und bei der Synthese von Forschungsergebnissen eingesetzt, um Lesern eine einheitliche Sicht auf Informationen zu vermitteln, die über mehrere Quellen verteilt sind.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Erkan, G. & Radev, D.R. (2004). LexRank: Graph-Based Lexical Centrality as Salience in Text Summarization. Journal of Artificial Intelligence Research, 22, 457-479. link ↗
- Liu, P.J. et al. (2018). Generating Wikipedia by Summarizing Long Sequences. International Conference on Learning Representations (ICLR). link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Multi-Document Summarization. ScholarGate. https://scholargate.app/de/text-mining/multi-document-summarization
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- BERT-EinbettungenText Mining↔ compare
- Sentiment-AnalyseText Mining↔ compare
- TextklassifizierungText Mining↔ compare
- TF-IDFText Mining↔ compare
- ThemenmodellierungDeep Learning↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →