Mehrdokumentenzusammenfassung mit satzbasierten Themenmodellen

Die meisten bestehenden Methoden zur Mehrdokumentenzusammenfassung zerlegen die Dokumente in Sätze und arbeiten direkt im Satzraum unter Verwendung einer Term-Satz-Matrix. Das Wissen auf der Dokumentenseite, d.h. die in den Dokumenten eingebetteten Themen, kann das Verständnis des Kontexts unterstützen und die Auswahl der Sätze im Zusammenfassungsprozess leiten. In diesem Papier schlagen wir ein neues Bayesianisches satzbasiertes Themenmodell zur Zusammenfassung vor, das sowohl die Term-Dokument- als auch die Term-Satz-Assoziationen nutzt. Ein effizienter variational Bayesian-Algorithmus wird zur Schätzung der Modellparameter abgeleitet. Experimentelle Ergebnisse auf Benchmark-Datensätzen zeigen die Wirksamkeit des vorgeschlagenen Modells für die Aufgabe der Mehrdokumentenzusammenfassung.