[论文解读] Multi-document Summarization by Graph Search and Matching

Inderjeet Mani, Eric Bloedorn|arXiv (Cornell University)|Dec 10, 1997

Topic Modeling参考文献 10被引用 201

一句话总结

本文提出了一种基于图的多文档摘要方法，将文本建模为概念与关系的网络，利用激活传播识别与主题相关的节点，并通过图匹配提取相似性与差异性。该方法通过利用语义关系和主题上下文，显著提升了摘要质量——尤其在识别差异方面表现突出，优于仅依赖词频加权的基线方法。

ABSTRACT

We describe a new method for summarizing similarities and differences in a pair of related documents using a graph representation for text. Concepts denoted by words, phrases, and proper names in the document are represented positionally as nodes in the graph along with edges corresponding to semantic relations between items. Given a perspective in terms of which the pair of documents is to be summarized, the algorithm first uses a spreading activation technique to discover, in each document, nodes semantically related to the topic. The activated graphs of each document are then matched to yield a graph corresponding to similarities and differences between the pair, which is rendered in natural language. An evaluation of these techniques has been carried out.

研究动机与目标

• 为解决多份相关文档摘要的挑战，识别其内容中的相似性与差异性。
• 开发一种可扩展的、领域无关的摘要方法，捕捉概念之间的语义关系，而非仅依赖词汇重叠。
• 通过从用户定义的入口点传播激活，引入主题特定上下文，提升摘要的有效性。
• 评估基于图的技术对摘要质量的影响，尤其在识别文档间显著差异方面。
• 证明包含语义关系的图表示能够生成比传统词频加权方法更准确、更具上下文敏感性的摘要。

提出的方法

• 将文本表示为图，其中节点表示概念（词、短语、命名实体），边表示语义或拓扑关系，如特化、共指或关联。
• 从用户定义的主题节点出发应用激活传播，通过图传播相关性，激活水平取决于链接类型与距主题的距离。
• 对两份相关文档的激活子图进行匹配，识别共同与独特的概念，作为总结相似性与差异性的基础。
• 系统结合信息抽取与词典资源（如 WordNet）构建并丰富图中的语义关系。
• 通过提取包含最显著、与主题相关节点的句子生成摘要，当前实现中摘要合成仅限于句子抽取。
• 采用外部评估（检索性能）与内部评估（用户判断）相结合的方法，评估摘要质量。

实验结果

研究问题

• RQ1 基于图的表示如何提升在多份相关文档中识别相似性与差异性的能力？
• RQ2 从主题节点传播激活在多大程度上提升了所提取摘要的相关性与质量？
• RQ3 与传统的基于词频的摘要方法相比，该图方法在捕捉特定主题差异方面表现如何？
• RQ4 能否利用语义关系与信息抽取构建一种可扩展的、领域无关的摘要系统？
• RQ5 图结构与激活传播对多文档摘要的感知有用性有何影响？

主要发现

• 在 FSD-Graphs 中使用激活传播显著提升了摘要质量，尤其在识别差异方面提升最为明显。
• 使用激活传播生成的摘要平均评分高出 10%（在 1–10 分制下），尤其在主题特定差异的识别上表现更优。
• 外部评估显示，摘要将阅读时间减少了约 85%（缩短至原文长度的约 1/7），同时保持了检索性能（F-score = 32.36，p < 0.05）。
• 用户认为基于激活的摘要更具实用性，反馈表明其更契合主题特定兴趣，并更清晰地区分了文档间的差异。
• 该图方法优于仅依赖词汇重叠或词频的基线方法，证明了语义结构在摘要中的价值。
• 该方法在无限制的网络文本上表现出良好的可扩展性与有效性，包括来自路透社与纽约时报等不同来源的新闻文章。