아랍어 텍스트 요약을 위한 딥 트랜스포머 언어 모델: 비교 연구

대규모 텍스트 문서는 종종 이해하기 어렵고 중요 정보를 추출하는 데 시간이 많이 소요됩니다. 이러한 문제는 텍스트의 핵심 정보를 보존하면서 긴 텍스트를 응축하는 자동 텍스트 요약 기술로 해결됩니다. 따라서 증가하는 텍스트 데이터 수요를 충족할 수 있는 자동 요약 시스템의 개발이 매우 중요해집니다. 복잡한 자연어와 관련하여 더욱 필수적입니다. 본 연구는 아랍어 전용 다양한 텍스트 요약 데이터셋을 수용하여 텍스트 요약 작업에서 다섯 개의 최신 딥 트랜스포머 기반 언어 모델(TLM)을 탐구합니다. 또한 딥 러닝 및 머신 러닝 기반 기준 모델과의 비교가 이루어졌습니다. 실험 결과, 여러 벤치마크 데이터셋에서 평균 F1 점수 90%로 기준 접근 방식에 비해 TLM, 특히 PEAGASUS 계열의 우수성이 드러났습니다.