Atitit 文档资料的摘要与压缩技术总结abstract tech v4
目录
1. 概念包含了原文本中的重要信息，其长度不超过或远少于原文本的一半” 1
2.1. 如自动报告生成、新闻标题生成、搜索结果预览等。此外，自动文本摘要也可以为下游任务提供支持。 2
4. 摘要就是整篇文章和浓缩预览，四个要素对象、方法、结果、结论四要素 3
5. 主流的文本摘要方式抽取式（extractive），另一种是生成式（abstractive）。 4
根据Radev的定义[3]，摘要是“一段从一份或多份文本中提取出来的文字，它包含了原文本中的重要信息，其长度不超过或远少于原文本的一半”。自动文本摘要旨在通过机器自动输出简洁、流畅、保留关键信息的摘要。
摘要也就是内容提要，是文章中不可缺少的一部分。文章摘要是一篇具有独立性的短文，有其特别的地方。它是建立在对文章进行总结的基础之上，用简单、明确、易懂、精辟的语言对全文内容加以概括，留主干去枝叶，提取文章的主要信息。作者的观点、文章的主要内容、研究成果、独到的见解，这些都应该在摘要中体现出来。好的摘要便于索引与查找，易于收录到大型资料库中并为他人提供信息。因此摘要在资料交流方面承担着至关重要的作用。
2
自动文本摘要有非常多的应用场景，
（1）文章摘要分为中文摘要和外文（一般为英文）摘要。摘要在篇幅方面的限定，不同的学校和机构有不同的要求，通常中文摘要不超过300字，英文摘要不超过250个实词，中英文摘要应一致。毕业文章摘要可适当增加篇幅。
（2）摘要是完整的短文，具有独立性，可以单独使用。即使不看文章全文的内容，仍然可以理解文章的主要内容、作者的新观点和想法、课题所要实现的目的、采取的方法、研究的结果与结论。
（3）叙述完整，突出逻辑性，短文结构要合理。
（4）要求文字简明扼要，不容赘言，提取重要内容，不含前言、背景等细节部分，去掉旧结论、原始数据，不加评论和注释。采用直接表述的方法，删除不必要的文学修饰。摘要中不应包括作者将来的计划以及与此课题无关的内容，做到用最少的文字提供最大的信息量。
（5）摘要中不使用特殊字符，也不使用图表和化学结构式，以及由特殊字符组成的数学表达式，不列举例证。
- 它被排放在文章的首要位置。
- 摘要主要要包括文章的四个要素，即：
- 题目
- 目的
- 方法
- 结果
- 结论
- 关键字
反映文章的实质性内容，展示文章内容足够的信息，体现文章的创新性，展现文章的重要梗概，一般由具体研究的对象、方法、结果、结论四要素组成。
对象——是文章研究、研制、调查等所涉及的具体的主题范围，体现文章的研究内容、要解决的主要问题，是问题的提出，研究方向的确立与目标的定位。
方法——是文章对研究对象进行研究的过程中所运用的原理、理论、条件、材料、工艺、结构、手段、程序，是完成研究对象的必要手段。
结果——是作者运用研究方法对研究对象进行实验、研究所得到的结果、效果、数据，被确定的关系等，是进行科研所得的成果。
结论——是作者对结果的分析、研究、比较、评价、应用、提出的问题等，是结果的总结，
目前主流的文本摘要自动生成有两种方式，一种是抽取式（extractive），另一种是生成式（abstractive）。
抽取式顾名思义，就是按照一定权重，从原文中寻找跟中心思想最接近的一条或几条句子。而生成式是计算机通读原文，在理解整篇文章意思的基础上，重新生成概要。
抽取式摘要目前已经相对成熟，但抽取质量及内容流畅度均差强人意。伴随着深度学习的研究，生成式摘要对质量和流畅度都有很大的提升，但目前也涉及到原文本长度过长、抽取内容不佳等问题的限制。
文本摘要的发展概况
抽取式摘要是一种比较成熟的方案，其中Text rank排序算法以其简洁、高效的特点被工业界广泛运用。大体思想就是先去除文章中的一些停用词，之后对句子的相似度进行度量，计算每一句相对另一句的相似度得分，迭代传播，直到误差小于0.0001，再对上述方法得到的关键语句进行排序，即可获得摘要。抽取式摘要主要考虑单词词频，并没有过多的语义信息，像“猪八戒”、“孙悟空”这样的词汇都会被独立对待，无法建立文本段落中完整的语义信息。
入门_ 文本摘要自动生成技术的前世今生 - 简书.html
分词然后去重
干货｜当深度学习遇见自动文本摘要，seq2seq+attention - CSDN博客.html