Streszczanie tekstu — ekstraktywne i abstrakcyjne
Automatyczne streszczanie tekstu to zadanie z zakresu przetwarzania języka naturalnego, które polega na kondensowaniu długich dokumentów w krótsze streszczenia przy jednoczesnym zachowaniu ich kluczowych informacji. Działa ono poprzez jedno z dwóch podejść — streszczanie ekstraktywne, które wybiera najważniejsze fragmenty ze źródła, lub streszczanie abstrakcyjne, które generuje nowy tekst. Dziedzinę tę skonsolidowały Nenkova i McKeown (2011), a modele sekwencyjno-sekwencyjne, takie jak BART (Lewis et al., 2020), rozwinęły stronę abstrakcyjną.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Nenkova, A. & McKeown, K. (2011). Automatic Summarization. Foundations and Trends in Information Retrieval. DOI: 10.1561/1500000015 ↗
- Lewis, M. et al. (2020). BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation, and Comprehension. ACL. DOI: 10.18653/v1/2020.acl-main.703 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Automatic Text Summarization. ScholarGate. https://scholargate.app/pl/text-mining/text-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.
- Grupowanie dokumentówEksploracja tekstu↔ compare
- Ekstrakcja słów kluczowychEksploracja tekstu↔ compare
- Podobieństwo semantyczneEksploracja tekstu↔ compare
- Analiza sentymentuEksploracja tekstu↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →