کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4943585 1437628 2017 38 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Opinion summarization methods: Comparing and extending extractive and abstractive approaches
ترجمه فارسی عنوان
روش خلاصه ای از نظرات: مقایسه و گسترش رویکردهای استخراج شده و انتزاعی
کلمات کلیدی
خلاصه مطالب، رویکرد مبتنی بر معیار، خلاصه ی استخراج و خلاصه،
ترجمه چکیده
در سال های اخیر، کار خلاصه سازی به دلیل حجم زیادی از اطلاعات آنلاین و علاقه مندی به یادگیری ارزیابی کاربر در مورد محصولات، خدمات، شرکت ها و مردم اهمیت زیادی یافته است. اگر چه آثار زیادی در این زمینه وجود دارد، اما برای بهبودی وجود دارد، زیرا نتایج به دور از ایده آل است. در این مقاله، ما تحقیقات خود را برای تولید خلاصه های خلاقانه و خلاصه ای از نظرات ارائه می کنیم. ما برخی از روش های شناخته شده در منطقه را مطالعه می کنیم و آنها را مقایسه می کنیم. علاوه بر استفاده از این روش ها، ما همچنین روش های جدیدی را طراحی می کنیم که مزایای اصلی آن ها را در نظر می گیرد. ما آنها را با توجه به سه معیار ارزیابی خلاصه ای سنتی ارزیابی می کنیم: اطلاعاتی، کیفیت زبان و کاربرد خلاصه. ما نشان می دهیم که نتایج جالبی را تولید می کنیم و روش های ما از ادبیات بهتر عمل می کنند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
In the last years, the opinion summarization task has gained much importance because of the large amount of online information and the increasing interest in learning the user evaluation about products, services, companies, and people. Although there are many works in this area, there is room for improvement, as the results are far from ideal. In this paper, we present our investigations to generate extractive and abstractive summaries of opinions. We study some well-known methods in the area and compare them. Besides using these methods, we also develop new methods that consider the main advantages of the ones before. We evaluate them according to three traditional summarization evaluation measures: informativeness, linguistic quality, and utility of the summary. We show that we produce interesting results and that our methods outperform some methods from literature.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 78, 15 July 2017, Pages 124-134
نویسندگان
, ,