オントロジーに基づくテキスト要約のアプローチ

抽出型テキスト要約は、最も情報量の多い文を選択することによって、1つまたは複数のソース文書の濃縮版を作成することを目的としています。テキスト要約に関する研究は、したがって、要約に対する文の有用性の測定にしばしば焦点を当ててきました。私たちは、文を階層的オントロジーのノードにマッピングする文抽出アプローチを提案します。オントロジー属性を考慮することで、文の情報内容の意味的表現を改善することができます。文を分類学にマッピングする分類器は、検索エンジンを使用して訓練されているため、非常に柔軟で特定のドメインに制約されないのです。実験では、オントロジーに基づく文の特徴を使用して、要約文を特定するためにSVM分類器を訓練します。実験結果は、オントロジーに基づく抽出がベースライン分類器を上回り、要約抽出のRougeスコアが向上することを示しています。