เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| การสรุปความเอกสารหลายฉบับ× | TF-IDF× | |
|---|---|---|
| สาขาวิชา | การทำเหมืองข้อความ | การทำเหมืองข้อความ |
| ตระกูล | Process / pipeline | Process / pipeline |
| ปีกำเนิด≠ | — | 1988 |
| ผู้ริเริ่ม≠ | — | Salton & Buckley |
| ประเภท≠ | NLP text-summarization task | Text vectorization / term-weighting scheme |
| แหล่งต้นตำรับ≠ | 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 ↗ | Salton, G. & Buckley, C. (1988). Term-weighting approaches in automatic text retrieval. Information Processing & Management, 24(5), 513-523. DOI ↗ |
| ชื่อเรียกอื่น | MDS, Çok Belgeli Özetleme (Multi-Document Summarization), multi-source summarization | term weighting, tf-idf weighting, TF-IDF Vektörizasyonu |
| ที่เกี่ยวข้อง≠ | 5 | 3 |
| สรุป≠ | Multi-document summarization (MDS) is a natural-language-processing task that condenses a cluster of related documents into a single comprehensive, coherent, and non-redundant summary. Formally described by Erkan and Radev (2004) through the LexRank algorithm, MDS is used in news cluster analysis, systematic literature reviews, and research synthesis to give readers a unified view of information spread across multiple sources. | TF-IDF, introduced by Salton and Buckley (1988), is a term-weighting scheme that scores each word in a document by how often it appears there and how rare it is across the whole collection. It turns raw text into weighted document vectors, giving high weight to terms that are frequent in one document but uncommon elsewhere. |
| ScholarGateชุดข้อมูล ↗ |
|
|