Multi-Document Summarization
Multi-document summarization (MDS) är en uppgift inom naturlig språkbehandling som kondenserar en klunga av relaterade dokument till en enda omfattande, sammanhängande och icke-redundant sammanfattning. MDS, som formellt beskrevs av Erkan och Radev (2004) genom LexRank-algoritmen, används vid analys av nyhetskluster, systematiska litteraturöversikter och forskningssyntes för att ge läsarna en enhetlig bild av information som är spridd över flera källor.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 1). Multi-Document Summarization. ScholarGate. https://scholargate.app/sv/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-inbäddningarTextutvinning↔ compare
- SentimentanalysTextutvinning↔ compare
- TextklassificeringTextutvinning↔ compare
- TF-IDFTextutvinning↔ compare
- ÄmnesmodelleringDjupinlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →