เปรียบเทียบวิธี

	การสรุปความอัตโนมัติ	ความคล้ายคลึงทางความหมาย
สาขาวิชา	การทำเหมืองข้อความ	การทำเหมืองข้อความ
ตระกูล	Process / pipeline	Process / pipeline
ปีกำเนิด	—	2019
ผู้ริเริ่ม	—	Nils Reimers & Iryna Gurevych (Sentence-BERT)
ประเภท	NLP text-generation / text-reduction task	NLP text-comparison task
แหล่งต้นตำรับ	Nenkova, A. & McKeown, K. (2011). Automatic Summarization. Foundations and Trends in Information Retrieval.	Reimers, N. & Gurevych, I. (2019). Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks. EMNLP.
ชื่อเรียกอื่น	automatic summarization, extractive summarization, abstractive summarization, Otomatik Metin Özetleme	semantic textual similarity, text similarity, Anlamsal Benzerlik Analizi
ที่เกี่ยวข้อง	4	4
สรุป	Automatic text summarization is a natural-language-processing task that condenses long documents into shorter summaries while preserving their key information. It works through one of two families of approaches — extractive summarization, which selects the most important spans from the source, or abstractive summarization, which generates new text. The field was consolidated by Nenkova and McKeown (2011), and sequence-to-sequence models such as BART (Lewis et al., 2020) advanced the abstractive side.	Semantic similarity analysis measures how close in meaning two texts are, rather than how many words they share on the surface. Building on the Sentence-BERT work of Reimers and Gurevych (2019), it represents each text as a vector and compares those vectors so that paraphrases score high even when their wording differs.