Extractive Text Summarization using Deep Learning

Bc. Josef Šamánek

Bakalářská práce

Anotace:

V této práci nejprve prezentujeme shrnutí vývoje automatické sumarizace textu a poté prezentujeme existující přístupy, od starších až po nová, state-of-the-art, řešení. Dále popisujeme naši implementaci dvou metod - Extraktivní sumarizace používající Deep Learning a TextRank - pro český jazyk, vyhodnocení výsledků pomocí metrik ROUGE a jejich srovnání s existujícími sumarizátory, primárně s výsledky z práce Petra Machovce nazvané Automatická sumarizace textu. Dále také popisujeme naše vylepšení a vysvětlujeme, jak se nám povedlo dosáhnout lepších výsledků než dosahují existující řešení. Jako součást implementace jsme také vytvořili webovou aplikaci pro sumarizaci českých novinkových článků, která používá nejlepší námi implementovaný sumarizátor.

Abstract:

In this thesis we provide an overview of automatic text summarization and present different approaches, mainly focusing on extractive summarization. We then describe our implementation of two methods - Extractive Summarization using Deep Learning, and TextRank - for the Czech language, evaluate results using the ROUGE metrics and compare them to existing summarizers, mainly to results from Petr Machovec's thesis called Automatic text summarization. Further we also point out our improvements and explain why we think that we were able to achieve better results than the existing solution. As part of the implementation, we also created a web application for summarization of news-article texts in Czech, which uses the best performing summarizer we implemented in its best configuration.

Keywords

summarization, extractive summarization, TextRank, Rouge, f-score, BM25, RBM, RNN, sumarizace, extraktivni sumarizace

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 25. 5. 2018

Obhajoba závěrečné práce

• Obhajoba proběhla 5. 9. 2018
• Vedoucí: doc. RNDr. Aleš Horák, Ph.D.
• Oponent: RNDr. Zuzana Nevěřilová, Ph.D.

Masarykova univerzita

Fakulta informatiky

Bakalářský studijní program / obor:
Informatika / Umělá inteligence a zpracování přirozeného jazyka