خلاصه سازي خودکار سند مبتني بر کاربر

با گسترش روزافزون حجم اطلاعات موجود در وب و افزايش چشم گير مقالات منتشر شده در زمينه هاي مختلف علمي ، دسترسي درست و مطالعه اطلاعات مورد نياز، همواره يکي از مشکلات محققان و پژوهشگران قرن 21 مي باشد. اينکه چه طور از يک طرف با اين حجم انبوه از داده ها  و از طرفي ديگر با زمان محدودي که در اختيار داريم ، بتوانيم مطالب مورد نياز خود را مطالعه کنيم و يا اينکه چه طور مي توان در روز چندين کتاب را مطالعه نمود و يا اينکه آيا مي توان سيستمي طراحي نمود که بتواند با داده هاي موجود به تمامي سوالات ما پاسخ دهد، اينها سوالاتي است که پاسخ آنها را مي توان  در يک سيستم خلاصه ساز متن جستجو کرد.

خلاصه سازي خودکار سند ، يعني توليد يک نسخه مختصر تر از سند اصلي توسط يک برنامه کامپيوتري به نحوي که ويژگي ها و نکات اصلي سند اوليه حفظ شود.[1] بنابر تعريف ارائه شده در استاندارد ISO 215[2] سال 1986، خلاصه ” يک بازگويي مختصر از سند ” مي باشد. همانطور که اشاره شد خلاصه سازي خودکار توسط کامپيوتر انجام مي شود و به همين دليل تفاوت هاي زيادي با خلاصه اي که توسط انسان توليد مي شود دارد. انسان ها  با توجه به هوش و شعور ذاتي خود قادر به درک و فهم مفاهيم موجود در متن و ارتباط بين آنها مي باشند و اين در حالي است که انجام اين عمليات توسط ماشين کار بسيار دشوار و پيچيده اي مي باشد. از طرفي ديگر ، انسان ها با توجه به سطح دانش و پس زمينه ي اطلاعاتي که دارند ديد متفاوتي از خلاصه ي يک متن يکسان دارند. به عنوان مثال کسي که سال ها در زمينه شبکه هاي کامپيوتري به تحقيق و مطالعه پرداخته است با کسي که به تازگي قصد تحقيق و مطالعه در زمينه ي شبکه هاي کامپيوتري را دارد، متفاوت بوده و خلاصه اي که اين دو فرد از يک متن در زمينه ي شبکه هاي کامپيوتري توليد مي کنند قطعا يکسان نخواهد بود. اين مطلب در چند سال اخير بسيار مورد توجه واقع شده و منجر به ارائه بحث خلاصه سازي مبتني بر کاربر[1] يا خلاصه سازي شخصي سازي شده[2] ، گشته است. در ادامه به اين مطلب بيشتر خواهيم پرداخت. سيستم هاي خلاصه ساز در دنياي امروز کاربردهاي فراواني دارند. توليد خلاصه هاي کتب مختلف و مقالات علمي، توليد خلاصه اخبار و انتقال آن از طريق سيستم هاي نظير تلفن همراه، نمايش خلاصه سند يافته شده توسط موتور جستجو ، توليد سيستم هاي پاسخ گويي به سوال[3] و … همگي از کاربردهاي اين سيستم مي باشند.

در بخش 2 به تاریخچه خلاصه سازی اشاره کرده و در ادامه در بخش3 انواع سیستم های خلاصه سازی، در بخش4  تعاریف پایه زبان شناسی، در بخش5 رویکردهای خلاصه سازی خودکار متن، در بخش6 انواع اطلاعات، در بخش 7 مراحل خلاصه سازی ، در بخش8 کاربردهای خلاصه سازی ، در بخش9 خلاصه سازی شخصی سازی شده و انواع آن ، در بخش 10 روش های ارزیابی و در بخش 11 سیستم های معروف خلاصه سازی متن اشاره می کنیم.

فهرست مطالب :

1- مقدمه – 5
2- تاريخچه سيستم هاي خلاصه ساز – 5
3- انواع سيستم هاي خلاصه ساز – 6
4- تعاريف پايه در زبان شناسي 8
4-1- بازيابي اطلاعات – 8
4-2- استخراج اطلاعات – 8
4-3- کشف دانش – 8
4-4- ريشه يابي – 9
4-5- برچسب زدن نحوي (POS) – 9
4-6- تجزيه مقادير يکتا – 9
4-7- wordnet – 10
4-8- Stop words – 10
5- رويکردهاي خلاصه سازي خودکار متن 10
5-1- سطوح پردازشي – 10
5-1-1- سطح روساخت 11
5-1-2- سطح موجوديت – 11
5-1-3- سطح سخن – 12
6- انواع اطلاعات – 14
6-1- لغوي 14
6-2- اطلاعات ساختاري 15
6-3- فهم عميق – 16
6-4- فرمت خروجي – 16
7- مراحل خلاصه سازي متن – 17
7-1- شناسايي موضوع – 17
7-2- تفسير- 17
7-3- توليد – 18
8- حوزه هاي کاربرد خلاصه سازي – 18
9- خلاصه سازی شخصی سازی شده یا مبتنی بر کاربر – 18
9-1- مدل کردن بر اساس تاريخچه پرس و جو هاي کاربر 20
9-1-1- A Session Based Personalized Search Using An Ontological User Profile – 20
9-2- مدل کردن بر اساس داده هاي کليک – 24
9-2-1- Automatic Identification of User Interest For Personalized Search – 25
9-2-1-1- تکنيک PageRank – 25
9-2-1-2- تکنيک Topic-Sensitive PageRank 26
9-2-1-3- استخراج علايق کاربر – 26
9-2-2- مشکلات داده هاي کليک 28
9-3- مدل کردن بر اساس زمان توجه کاربران – 29
9-3-1- User-Oriented Document Summarization through Vision-Based Eye-Tracking-29
9-3-1-1- پيش بيني ميزان توجه کاربران – 30
9-3-1-2- نتايج تجربي – 32
9-4- مدل کردن براساس ساير عکس العمل هاي ضمني که از کاربران گرفته مي شود 34
9-4-1- Generating Personalized Summaries Using Publicly AvailableWeb Documents – 34
9-4-1-1- User Specific Summarization – 35
9-4-1-2- ارزيابي – 37
10- روش هاي ارزيابي خلاصه ساز ها – 39
10-1- ويژگي هاي پايه – 40
10-2- ارزيابي دروني (جعبه شيشه اي) – 40
10-2-1- پيوستگي خلاصه – 41
10-2-3- دقت و بازخواني جمله 41
10-2-4- رتبه دهي به جملات – 41
10-2-5- روش سودمند 42
10-2-6- مشابهت محتوا 42
10-3- ارزيابي بيروني (جعبه سياه)- 43
10-3-1- بازي Shannon – 43
10-3-2- بازي سوال 43
10-3-3- بازي دسته بندي – 44
10-3-4- تداعي کلمات کليدي – 44
10-4- ابزارهاي ارزيابي 44
10-4-1- محيط ارزيابي خلاصه ها – 45
10-4-2- MEADeval – 45
10-4-3- ISI ROUGH بسته ي ارزيابي خودکار خلاصه – 45
11- سيستم هاي خلاصه ساز معروف – 46
11-1- DMSumm- 46
11-2- SweSum – 46
11-3- MEAD – 47
11-4- GLEANS – 47
11-5- PERSIVAL – 48
11-6- SUMMARIST – 48
11-7- FarsiSum – 49
11-8- ساير سيستم ها 50
12- نتيجه گيري – 50
13- براي آينده – 51
14-مراجع – 52

منابع ۳۹