Multi-Document Summarization
Multi-document summarization (MDS) is een taak binnen de natuurlijke taalverwerking die een cluster van gerelateerde documenten condenseert tot één enkele, omvattende, coherente en niet-redundante samenvatting. Formeel beschreven door Erkan en Radev (2004) via het LexRank-algoritme, wordt MDS gebruikt bij nieuwsclusteranalyse, systematische literatuuronderzoeken en onderzoekssynthese om lezers een uniform beeld te geven van informatie verspreid over meerdere bronnen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Multi-Document Summarization. ScholarGate. https://scholargate.app/nl/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-inbeddingenText mining↔ compare
- SentimentanalyseText mining↔ compare
- TekstclassificatieText mining↔ compare
- TF-IDFText mining↔ compare
- OnderwerpmodelleringDeep learning↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →