[논문 리뷰] A Semantic Approach to Summarization

Divyanshu Bhartiya, Ashudeep Singh|arXiv (Cornell University)|2014. 06. 04.

Topic Modeling참고 문헌 17인용 수 4

한 줄 요약

이 논문은 문장 추출을 넘어서 WordNet, 의미 역할 표기(SRL), 및 텍스트 분할을 활용하여 의미적으로 관련된 내용을 군집화함으로써 의미적 접근을 제안한다. 이 방법은 군집 중심점을 식별하고 일관되고 인간처럼 들리는 요약문을 생성하며, 인간 평가자에 의한 품질 평가에서 추출 기반 방법을 능가한다.

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.

연구 동기 및 목표

• 의미를 忽시하고 문장 생성 능력이 없는 추출 기반 요약의 한계를 극복하기 위해.
• 표면 수준의 문장 선택에 의존하지 않고 의미 수준에서 작동하는 방법을 개발하기 위해.
• 군집화된 내용에서 의미 중심점을 식별하고 문법 템플릿을 사용해 문장을 구성함으로써 자연스럽고 유창한 요약문을 생성하기 위해.
• 인간 평가를 통해 인간이 작성한 기준 요약과 비교하여 생성된 요약의 품질을 평가하기 위해.

제안 방법

• 텍스트의 의미적 표현을 풍부하게 하기 위해 WordNet 및 어휘 자원을 활용한다.
• 더 깊은 의미적 이해를 위해 의미 역할 표기(SRL)를 적용하여 술어-논항 구조를 추출한다.
• 의미적 유사도 기반으로 텍스트를 주제 단위로 분할하여 일관된 군집을 형성한다.
• 군집 내에서 의미 중심점을 식별하여 대표적인 내용 포인트로 삼는다.
• 중심점 정보와 문법 템플릿을 사용해 요약 문장을 생성한다.
• 의미 분석, 군집화, 문장 생성을 결합한 파ipeline을 활용해 종단 간 요약을 수행한다.

실험 결과

연구 질문

• RQ1 의미를 忽시하는 추출 기반 방법을 넘어서 의미적 접근이 요약 품질을 향상시킬 수 있는가?
• RQ2 의미 역할 표기가 요약을 위한 텍스트의 핵심 의미를 포착하는 데 얼마나 효과적인가?
• RQ3 의미적으로 관련된 내용의 군집화가 요약의 일관성과 정보성 향상에 기여하는가?
• RQ4 인간이 작성한 요약과 비교해 제안된 의미 기반 방법으로 생성된 요약은 어떻게 다른가?
• RQ5 의미 중심점에서 문장을 생성함으로써 더 자연스럽고 유창한 요약을 얻을 수 있는가?

주요 결과

• 제안된 의미 기반 요약 방법은 인간 평가에서 추출 기반 기준보다 더 높은 품질 점수를 확보했다.
• 인간 평가자들은 생성된 요약문을 기존의 추출 기반 방법보다 더 일관되고 자연스럽다고 평가했다.
• 의미 역할 표기의 사용은 시스템이 입력 텍스트의 핵심 의미를 포착하는 데 있어 뚜렷한 향상을 이끌었다.
• 의미적 유사도 기반 군집화는 더 집중적이고 관련성 있는 요약 내용을 도출하는 데 기여했다.
• 의미 중심점에서 문장을 생성함으로써 더 유창하고 맥락에 적합한 요약문이 만들어졌다.