[論文レビュー] A Semantic Approach to Summarization

Divyanshu Bhartiya, Ashudeep Singh|arXiv (Cornell University)|Jun 4, 2014

Topic Modeling参考文献 17被引用数 4

ひとこと要約

本稿では、文抽出を越えて意味的アプローチを採用するテキスト要約手法を提案する。WordNet、意味的役割ラベリング（SRL）、およびテキスト分割を活用して、意味的に関連するコンテンツをクラスタリングする。この手法はクラスタの中心点（センタロイド）を特定し、一貫性があり人間らしさのある要約を生成する。人的な評価において、抽出的手法を上回る要約品質を達成した。

ABSTRACT

Sentence extraction based summarization methods has some limitations as it doesn't go into the semantics of the document. Also, it lacks the capability of sentence generation which is intuitive to humans. Here we present a novel method to summarize text documents taking the process to semantic levels with the use of WordNet and other resources, and using a technique for sentence generation. We involve semantic role labeling to get the semantic representation of text and use of segmentation to form clusters of the related pieces of text. Picking out the centroids and sentence generation completes the task. We evaluate our system against human composed summaries and also present an evaluation done by humans to measure the quality attributes of our summaries.

研究の動機と目的

• 抽出的要約の限界を克服すること。抽出的要約は意味的意味を無視し、文の生成機能を欠いている。
• 表面的な文選択に依存するのではなく、意味的レベルで動作する手法を開発すること。
• クラスタ化されたコンテンツから意味的センタロイドを特定し、文法的テンプレートを用いて文を構築することで、自然で滑らかな要約を生成すること。
• 人的要約と比較して、人的アセスメントを用いて生成要約の品質を評価すること。

提案手法

• テキストの意味的表現を強化するために、WordNetおよび語彙的リソースを活用する。
• 意味的役割ラベリング（SRL）を適用し、述語-項構造を抽出することで、より深い意味的理解を実現する。
• 意味的類似度に基づいてテキストをテーマ単位に分割し、一貫性のあるクラスタを形成する。
• クラスタ内の意味的センタロイドを特定し、代表的コンテンツポイントとして位置づける。
• センタロイド情報と文法的テンプレートを用いて要約文を生成する。
• 意味的分析、クラスタリング、文生成を統合したパイプラインを採用し、エンドツーエンドの要約を実現する。

実験結果

リサーチクエスチョン

• RQ1 意味的アプローチは、意味を無視する抽出的手法を上回る要約品質を向上させることができるか？
• RQ2 意味的役割ラベリングは、要約のためのテキストの核心的意味をどれほど的確に捉えられるか？
• RQ3 意味的に関連するコンテンツのクラスタリングは、要約の一貫性と情報量を向上させることができるか？
• RQ4 人的にアノテートされた要約と、本稿で提案する意味的手法による要約は、どのように比較できるか？
• RQ5 意味的センタロイドから文を生成することで、より自然で滑らかな要約が得られるか、その程度はどの程度か？

主な発見

• 提案された意味的要約手法は、人的評価において抽出的ベースラインを上回る高いスコアを達成した。
• 人的アセスターは、生成された要約が従来の抽出的手法よりも一貫性があり自然であると評価した。
• 意味的役割ラベリングの活用により、システムの入力テキストの核心的意味を捉える能力が顕著に向上した。
• 意味的類似度に基づくクラスタリングにより、より的を射た関連性の高い要約コンテンツが得られた。
• 意味的センタロイドから文を生成することで、より滑らかで文脈的に適切とされる要約が得られた。