Техники саммаризации нескольких документов для составления новостных сводок

Автоматическая саммаризация текстов находит применение в различных коммерческих и образовательных проектах. Данное исследование посвящено многодокументной саммаризации новостных статей — задаче, в которой несколько репортажей об одном и том же событии требуется собрать в одном кратком связном тексте. Рассмотрены основные сложности этой задачи и представлен обзор ключевых подходов, используемых в этой области. Также предложена гибридная модель, в которой объединены экстрагирующий и абстрагирующий подходы с целью уменьшить избыточность и увеличить разнообразие информации в получаемых аннотациях. Были проведены эксперименты с несколькими популярными моделями на двух наборах данных с новостными заметками. Наши результаты показывают, что NLP-модели общего назначения не всегда хорошо справляются с многодокументной саммаризацией и необходимо развивать методики, которые решают специфические для этой задачи проблемы.