Web上のテキストデータを対象とした複数テキスト要約に関する研究

网络文本数据的多文本摘要研究

基本信息

批准号：
14019036
负责人：
奥村学
金额：
$ 4.22万
依托单位：
Tokyo Institute of Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research on Priority Areas
财政年份：
2002
资助国家：
日本
起止时间：
2002 至无数据
项目状态：
已结题

项目摘要

近年インターネットの普及により,Web上に大量のテキストが満ち溢れ,情報洪水という言葉がしばしば使われる.このため,ユーザがWebから情報を収集するのを支援する技術が求められている.本研究では,大規模でかつ分散したテキストデータを統合し,より利用し易い形式に加工することを目指した,Web上の複数テキストを対象にした自動要約とそれを利用した知的情報統合に関する技術の開発を行なう.一般に複数テキストを対象にした自動要約では,要約対象のテキスト集合の収集が要約の前段階として必要であり,また,どのようなテキスト集合を要約対象とするかで,要約の手法も異なる可能性がある.そこで本研究では,(1)具体的な人物,もの,場所などを主題とするテキスト集合からの要約作成,(2)より一般的なテキスト集合(たとえば,現在上映されている映画に関するページ集合)を対象とする要約作成の2つに区分し,これらをこの順に扱う.14年度ではまず,(1)人物,もの,場所などに関するテキスト集合からの自動要約として,人物に関する伝記(biography)作成を実現した.その要素技術として,該当するテキストのみをWeb上から収集する技術,それらのテキスト集合から,テキストの内容の質により適切なテキストのみを選択する技術,選択したテキスト集合から,要約に含めるべき重要個所を抽出する技術,さらに,類似の情報を含む複数のテキストが存在することによる冗長性の問題に対処するため,冗長な個所(テキスト間の共通個所)を検出し削除する技術からなる要約技術を開発した.

近年来，随着互联网的普及，大量的文本充斥着Web，人们经常使用“信息洪水”这个词。因此，需要一种支持用户从Web收集信息的技术。在这项研究中，对Web上的多个文本进行自动摘要，旨在整合大规模且分散的文本数据，并将其处理成更易于使用的格式。我们将开发与智能信息集成相关的技术，摘要方法可能会根据摘要的内容而有所不同，因此，在本研究中，我们重点关注（1）从一组关注特定人物、事物、地点的文本创建摘要。 ETC。; ）我们将一个更一般的文本集（例如，一组关于当前正在放映的电影的页面）分为两类，并且我们将按这个顺序处理这些，我们已经实现了自动创建关于一个人的传记。从有关地点等的文本集合中进行摘要。作为一项基本技术，只能从网络上检索相关文本。收集文本的技术、根据文本集中文本内容的质量仅选择适当文本的技术、从所选文本集中提取要包含在摘要中的重要部分的技术以及提取包含相似信息的多个文本的技术为了处理由于多个文本的存在而导致的冗余问题，我们开发了一种摘要技术，可以检测并删除冗余部分（文本之间的公共部分）。