Sumarizace textu metodami strojového učení

Bc. Matej Gallo

Bakalářská práce

Text summarization by machine learning

Anotace:

Práca sa zaoberá modernými algoritmami, pričom sa venuje najmä tým založených na princípe strojového učenia, ako je napríklad NetSum založený na neurónových sieťach, alebo na princípe grafovej reprezentácie, ako je napríklad LexRank. Taktiež predstavujeme spôsob vyhodnotenia sumarizácie pomocou metriky ROUGE. Časť práce je venovaná experimentálnej implementácii metódy, ktorá využíva časté vzory získané z textu. Vyhodnotíme a porovnáme výkon našich metód s tradičnými metódami použítých pri textovej sumarizácii.

Abstract:

This thesis discusses the state-of-the-art algorithms, focusing only on those that use maching learning approach, such as neural network based NetSum, or graph representation, such as LexRank. We also present the means of evaluating summaries using ROUGE metrics. A part of the work is experimental implementation of a method that takes advantage of frequent patterns extracted from text. We evaluate and compare the performance of our methods to traditional methods found in automatic text summarization.

Keywords

extractive summarization, machine learning, graph mining, dynamic graphs, frequent patterns

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 23. 5. 2016

Obhajoba závěrečné práce

• Obhajoba proběhla 23. 6. 2016
• Vedoucí: doc. RNDr. Lubomír Popelínský, Ph.D.
• Oponent: Pavel Brázdil

Masarykova univerzita

Fakulta informatiky

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