单文档自动文摘:
单文档自动文摘是根据用户需求按照字数或百分比等方式从原文件中提炼出最重要信息生成文摘的过程; 其结果为足以代表该原始文件的精简版本,且可作为人们或其他信息系统的判断与决策依据。
单文档自动文摘在问答、搜索引擎、信息系统以及医疗、金融等领域都有广泛地应用。目前,单文档自动文摘的方法主要分为基于抽取(Extract)的方法和基于理解(Abstract)的方法。但是限于自然语言理解技术还不是很完善, 基于理解的文摘方法实现起来比较难,因此目前绝大多数系统都是采用基于抽取的方法实现的。
多文档自动文摘:
多文档文摘是将同一主题下多篇文档组成的集合中的多次重复信息以一次出现在文摘中,其他与主题相关的信息根据重要性及压缩比依次抽取的文本集合压缩技术。随着互联网上信息的日益丰富,多文档文摘技术成为新的研究热点。
国际上有关多文档自动文摘的评测著名的会议DUC(http://tides.nist.gov/)。多文档文摘系统不仅可以单独作为一个系统应用,而且在其他自然语言处理系统中承担重要角色。在新一代搜索引擎问答系统QA(Question Answering)中,多文档文摘可以作为返回答案后处理模块,直接提交给用户的答案;多文档文摘技术也可以作为话题的监测与跟踪技术TDT(Topic Detection and Tacking )的组成部分,生成事件的线索报告,并且在信息的定制与融合的方面多文档文摘也发挥着重要作用。多文档文摘技术可以看作为信息检索的后处理,单文档文摘技术的扩展,信息抽取技术的应用。