In this paper we present a joint co

In this paper we present a joint content
selection and compression model
for single-document summarization. The
model operates over a phrase-based representation
of the source document which
we obtain by merging information from
PCFG parse trees and dependency graphs.
Using an integer linear programming formulation,
the model learns to select and
combine phrases subject to length, coverage
and grammar constraints. We evaluate
the approach on the task of generating
“story highlights”—a small number of
brief, self-contained sentences that allow
readers to quickly gather information on
news stories. Experimental results show
that the model’s output is comparable to
human-written highlights in terms of both
grammaticality and content

Kết quả (Việt) 1:

Trong bài này chúng tôi trình bày một nội dung chungMô hình lựa chọn và nénĐối với đơn-tài liệu tổng hợp. CácMô hình hoạt động trong một đại diện dựa trên cụm từnguồn tài liệu màchúng tôi có được bằng việc sáp nhập các thông tin từPCFG phân tích cây và đồ thị phụ thuộc.Bằng cách sử dụng một số nguyên tuyến tính lập trình xây dựng,Các mô hình học để chọn vàkết hợp cụm từ tùy thuộc vào chiều dài, phạm vi bảo hiểmvà ngữ pháp hạn chế. Chúng tôi đánh giácách tiếp cận vào công việc tạo ra"câu chuyện nổi bật"-một số lượng nhỏcâu ngắn, khép cho phépcác độc giả để nhanh chóng thu thập thông tin vềcâu chuyện tin tức. Hiển thị kết quả thử nghiệmCác mô hình của sản lượng là tương đương vớiviết lưu con người nổi bật trong điều khoản của cả haigrammaticality và nội dung