AbstractIn this paper we present a

Abstract
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.
1 Introduction
Summarization is the process of condensing a
source text into a shorter version while preserving
its information content. Humans summarize on
a daily basis and effortlessly, but producing high
quality summaries automatically remains a challenge.
The difficulty lies primarily in the nature
of the task which is complex, must satisfy many
constraints (e.g., summary length, informativeness,
coherence, grammaticality) and ultimately
requires wide-coverage text understanding. Since
the latter is beyond the capabilities of current NLP
technology, most work today focuses on extractive
summarization, where a summary is created simply
by identifying and subsequently concatenating
the most important sentences in a document.

Kết quả (Việt) 1:

Tóm tắtTrong 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.1 giới thiệuTổng hợp là quá trình ngưng tụ mộtnguồn gốc văn bản vào một phiên bản ngắn hơn trong khi bảo quảnnội dung thông tin của nó. Con người tóm tắt vàomột cơ sở hàng ngày và dễ dàng, nhưng sản xuất caochất lượng tóm tắt tự động vẫn là một thách thức.Khó khăn nằm chủ yếu trong thiên nhiêncủa công việc mà rất phức tạp, phải đáp ứng nhiềunhững hạn chế (ví dụ, độ dài tóm tắt, informativeness,tính mạch lạc, grammaticality) và cuối cùngđòi hỏi sự hiểu biết văn bản rộng phạm vi bảo hiểm. Kể từsau đó là vượt ra ngoài khả năng của hiện tại NLPcông nghệ, hầu hết làm việc ngày hôm nay tập trung vào extractiveTổng hợp, nơi một bản tóm tắt được tạo ra chỉ đơn giản làbằng cách xác định và sau đó ghépthe most important sentences in a document.

Kết quả (Việt) 2:

Tóm tắt
Trong bài báo này chúng tôi trình bày một nội dung doanh
lựa chọn và nén model
dùng một tài liệu tổng hợp. Các
mô hình hoạt động trên một đại diện dựa trên cụm từ
của nguồn tài liệu mà
chúng tôi có được bằng cách kết hợp thông tin từ các
cây PCFG phân tích và đồ thị phụ thuộc.
Sử dụng một số nguyên tuyến tính lập trình,
mô hình học để lựa chọn và
kết hợp cụm từ đối tượng theo chiều dài, độ che phủ
và ngữ pháp hạn chế . Chúng tôi đánh giá
các phương pháp tiếp cận vào các nhiệm vụ tạo ra
"câu chuyện nổi bật" -một số nhỏ
ngắn gọn, câu khép kín cho phép
người đọc nhanh chóng thu thập thông tin về
các câu chuyện tin tức. Kết quả thực nghiệm cho thấy
rằng sản lượng của mô hình được so sánh với
điểm nổi bật của con người-viết cả về
grammaticality và nội dung.
1 Giới thiệu
tổng kết là quá trình ngưng tụ một
văn bản nguồn vào một phiên bản ngắn hơn trong khi vẫn giữ
nội dung thông tin của mình. Con người tóm tắt trên
một cơ sở hàng ngày và dễ dàng, nhưng sản xuất cao
tóm tắt chất lượng tự động vẫn còn là một thách thức.
Những khó khăn nằm chủ yếu trong bản chất
của nhiệm vụ đó là phức tạp, phải đáp ứng nhiều
hạn chế (ví dụ, chiều dài tóm tắt, informativeness,
sự gắn kết, grammaticality) và cuối cùng
đòi hỏi sự hiểu biết rộng vùng phủ sóng văn bản. Kể từ
sau này là vượt quá khả năng của NLP hiện
công nghệ, hầu hết công việc ngày hôm nay tập trung vào khai thác
tổng hợp, nơi một bản tóm tắt được tạo ra chỉ đơn giản
bằng cách xác định và sau đó nối các
câu quan trọng nhất trong một tài liệu.