ОБЗОР РАЗЛИЧНЫХ МЕТОДОВ ОБОБЩЕНИЯ ТЕКСТА
Аннотация
Суммаризация текста является одной из основных проблем, поскольку имеет широкий диапазон использования в различных областях, и наиболее важно иметь улучшенный механизм для быстрого и эффективного извлечения информации. Извлечение резюме из всего этого доступного источника текстовых данных вручную очень сложно. Для того, чтобы показать способы решения проблемы суммирования текста, в данной статье представлен краткий обзор различных методов суммирования текста, таких как MatchSum (Zhong et al., 2020), BertSumExt (Liu и Lapata 2019) и SemSim (Yoon et al., 2020). ), которые показали наилучшие результаты в обобщении текста. В данной статье рассматриваются эти модели, показаны их преимущества и недостатки, и даются предположения, как можно улучшить суммаризацию текста.
Ключевые слова
Об авторах
Д. М. ДауитКазахстан
магистрант
М. М. Кемалов
Казахстан
магистрант
А. Б. Джаксылыкова
Казахстан
докторант
Список литературы
1. Lewis M. et al. Bart: Denoising sequence-to-sequence pre-training for natural language generation, translation, and comprehension //arXiv preprint arXiv: 1910.13461. – 2019.
2. Hermann K. M. et al. Teaching Machines to Read and Comprehend. arXiv. – 2015.
3. Zhong M. et al. Extractive Summarization as Text Matching //arXiv preprint arXiv:2004.08795. – 2020.
4. Liu Y., Lapata M. Text summarization with pretrained encoders //arXiv preprint arXiv:1908.08345. – 2019.
5. Yoon, Wonjin, et al. Learning by Semantic Similarity Makes Abstractive Summarization Better. 2020, http://arxiv.org/abs/2002.07767.
6. NLP progress, summarization. URL: http://nlpprogress.com/english/summarization.html
Рецензия
Для цитирования:
Дауит Д.М., Кемалов М.М., Джаксылыкова А.Б. ОБЗОР РАЗЛИЧНЫХ МЕТОДОВ ОБОБЩЕНИЯ ТЕКСТА. Вестник Казахстанско-Британского технического университета. 2020;17(2):163-168.
For citation:
Dauit D., Kemalov M., Jaksylykova A. OVERVIEW OF THE DIFFERENT TEXT SUMMARIZATION METHODS. Herald of the Kazakh-British technical university. 2020;17(2):163-168.