ارائه یک مدل جدید مبتنی بر گراف جهت خلاصه سازی چند سندی متون

با توجه به رشد روزافزون مستندات و منابع اینترنتی، نیاز به سیستمهای خلاصهساز بیشتر احساس میشود. سیستمهای خلاصه ساز چندسندی سیستم هایی هستند که مفاهیم اصلی اسناد ورودی را در چندین جمله بیان میکنند. افزونگی، پوشش محتوا و پیوستگی بین جملات، سه چالش اصلی این سیستم ها محسوب میشود .بررسی سیستمهای امروزی نشان میدهد که این چالشها هنوز رفع نشده اند .در این مقاله یک معماری جدید سه لایه مبتنی بر گراف معرفی میشود .هر جمله نشاندهنده ی یک راس در گراف میباشد و شباهت بین جملات، یال های این گراف را تشکیل میدهد. در مرحلهی اول با استفاده از استخراج ویژگیها، برای هر جمله ارزشی تعیین میشود .در مرحلهی دوم یک الگوریتم خوشه بندی معرفی میشود .با استفاده از این الگوریتم، جملاتی که باعث افزونگی میشوند، حذف میشود .در مرحله ی سوم با استفاده از الگوریتم رتبه بندی و تابع هدف، پوشش و پیوستگی جملات خلاصه افزایش مییابد .مهمترین مزیت این مقاله این است که هر سه چالش بیان شده را با هم بهبود میدهد .برای ارزیابی سیستم ارائه شده از مجموعه دادهای DUC استفاده میگردد .بر اساس معیار استاندارد 2002 F ، بهبود قابل توجه سیستم پیشنهادی در مقایسه با سایر سیستم ها مشهود میباشد

Keywords:

خلاصه سازی چندسندی , مبتنی برگراف , خوشه بندی , استخراج جملات , رتبه بندی , پردازش زبان طبیعی