Разработка метода саммаризации текстов с использованием графовых нейронных сетей

В современном мире все большую популярность набирают крупномасштабные языковые модели (LLM). Эти типы моделей могут помочь пользователям обрабатывать большие объемы текста и выполнять такие задачи, как создание и классификация материала, обнаружение плагиата и машинный перевод. Они также могут перефразировать тексты и искать основную текстовую информацию. Абстрактные системы на основе нейронных сетей позволяют быстро извлекать ключевую информацию из текстовых документов, уменьшая их объем и делая более доступными для быстрого ознакомления и понимания. Один из таких методов создания короткого контента включает графовые нейронные сети (GNN), которые учитывают сложные отношения между текстовыми понятиями и предложениями, представляя текстовую информацию в виде графа. Предлагаемое решение представляет собой обоснованный математический метод реферирования текста, а также программное обеспечение, реализующее разработанный ранее метод выделения основных идей текстовых материалов. Он также оценивает производительность методов. Результаты экспериментов показывают, что подход на основе графов с использованием графовой модели имеет ряд преимуществ перед традиционными подходами НЛП. Это делает его более удобным при работе с большими объемами текста. Методы, описанные в этой статье, можно использовать для создания аннотаций к статьям, учебным материалам и художественной литературе. Поэтому разработка метода обобщения текста на основе графовых нейронных сетей имеет важное практическое значение и позволяет повысить качество автоматизированного сжатия текста.