Кіріспе

Мәтінді қорытындылау әдісі. Сөйлемді шығару – мәтінді автоматты түрде қорытындылауға қолданылатын техника. Бұл беткей тәсілде, мәтіннің ең маңызды сөйлемдерін анықтау үшін статистикалық эвристика қолданылады. Сөйлемді шығару, онтологиялар немесе тіл білімі сияқты қосымша білім базаларын қажет ететін, күрделірек және білімді қажет ететін тәсілдермен салыстырғанда төмен құнмен келетін тәсіл. Қысқасы, "сөйлемді шығару" мағыналы сөйлемдерді ғана өткізіп жіберетін сүзгі ретінде жұмыс істейді. Сөйлемді шығару техникаларын қорытындылау міндетіне қолданудың басты кемшілігі – алынған қорытындының байланыстылығын жоғалту. Дегенмен, сөйлемдерден алынған қорытындылар құжаттың негізгі мәселелері туралы құнды ақпарат бере алады және көбінесе адамдарға түсінікті болады.

Процедура

Көбінесе, құжаттағы ең маңызды сөйлемдерді анықтау үшін эвристикалардың жиынтығы қолданылады. Әр эвристика сөйлемге (оң немесе теріс) балл қояды. Барлық эвристикалар қолданылғаннан кейін, ең жоғары балл алған сөйлемдер қорытындыға кіріктіріледі. Жеке эвристикалар өз маңыздылығына сәйкес салмақтандырылады.

Ертедегі тәсілдер және кейбір үлгілік эвристика

1958 жылы Ханс Питер Лун және 1969 жылы Х. П. Эдмундсон жариялаған, қазіргі кезде қолданылатын көптеген техникалардың негізін қалаған маңызды еңбектер жарық көрді. Лун құжаттың немесе абзацтың басындағы сөйлемдерге артық салмақ беруді ұсынды. Эдмундсон мазмұндама жасауда тақырыптық сөздердің маңыздылығын атап өтті және семантикалық мазмұны төмен, ақпараттық құндылығы аз (мысалы, "of", "the", "a" сияқты) сөздерді сүзгілеу үшін тоқтату тізімдерін алғаш рет қолданды. Ол сондай-ақ маңызды (мысалы, "маңызды" сөз түрінде) немесе маңызсыз ақпаратпен бірге кездесетін бонус сөздер мен стигма сөздерін ажыратты. Оның құжатта жиі кездесетін, яғни негізгі сөздерді қолдану идеясы бүгінгі таңдағы мазмұндама жасаушылардың басты эвристикалық қағидаларының бірі болып табылады. Қазіргі кезде қолжетімді үлкен лингвистикалық корпуспен, ақпаратты іздеуден бастау алған tf-idf (терминдік жиілік – кері құжаттық жиілік) мәні мәтіннің негізгі сөздерін анықтау үшін табысты қолданылуы мүмкін: мысалы, егер "мысық" сөзі мазмұндалатын мәтінде (TF = "терминдік жиілік") корпустағыдан (IDF – "кері құжаттық жиілік"; мұнда корпус "құжат" ретінде қарастырылады) әлдеқайда жиі кездесетін болса, онда "мысық" сөзі мәтіннің маңызды сөзі болуы мүмкін; мәтін, шын мәнінде, мысықтар туралы мәтін болуы мүмкін.