توضیحاتی در مورد کتاب From Extractive to Abstractive Summarization: A Journey
نام کتاب : From Extractive to Abstractive Summarization: A Journey
عنوان ترجمه شده به فارسی : از خلاصه سازی استخراجی به انتزاعی: یک سفر
سری :
نویسندگان : Parth Mehta, Prasenjit Majumder
ناشر : Springer
سال نشر : 2019
تعداد صفحات : 120
ISBN (شابک) : 9811389330 , 9789811389337
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 2 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
توضیحاتی در مورد کتاب :
این کتاب پیشرفتهای اخیر در خلاصهسازی متن را توصیف میکند، شکافها و چالشهای باقیمانده را شناسایی میکند و راههایی برای غلبه بر آنها پیشنهاد میکند. این مقاله با یکی از متداولترین موضوعات مورد بحث در خلاصهسازی متن - «استخراج جمله» - شروع میشود، اثربخشی تکنیکهای فعلی در خلاصهسازی متن خاص دامنه را بررسی میکند و چندین پیشرفت را پیشنهاد میکند. این کتاب به نوبه خود کاربرد خلاصه نویسی را در حوزه های حقوقی و علمی توصیف می کند و دو مجموعه جدید را که شامل بیش از 100 هزار حکم دادگاه و بیش از 20 هزار مقاله علمی است، با خلاصه های دستی متناظر توصیف می کند. در دسترس بودن این مجموعههای مقیاس بزرگ امکان استفاده از روشهای مبتنی بر دادهمحور رایج بر اساس یادگیری عمیق را باز میکند. سپس این کتاب اثربخشی روشهای استخراج جملات عصبی را برجسته میکند، که به همان خوبی روشهای مبتنی بر قانون عمل میکنند، اما بدون نیاز به حاشیهنویسی دستی. به عنوان گام بعدی، تکنیکهای متعددی برای ایجاد مجموعههایی از استخراجکنندههای جمله - که خلاصههای بهتر و قویتری ارائه میدهند - پیشنهاد شدهاند. در پایان، کتاب یک مدل مبتنی بر شبکه عصبی برای فشرده سازی جمله ارائه می دهد. به طور کلی، کتاب خوانندگان را به سفری می برد که با استخراج جملات ساده شروع می شود و به خلاصه انتزاعی ختم می شود، در حالی که موضوعات کلیدی مانند تکنیک های مجموعه و خلاصه سازی خاص حوزه را نیز پوشش می دهد، که پیش از این به تفصیل مورد بررسی قرار نگرفته اند.
توضیحاتی در مورد کتاب به زبان اصلی :
This book describes recent advances in text summarization, identifies remaining gaps and challenges, and proposes ways to overcome them. It begins with one of the most frequently discussed topics in text summarization – ‘sentence extraction’ –, examines the effectiveness of current techniques in domain-specific text summarization, and proposes several improvements. In turn, the book describes the application of summarization in the legal and scientific domains, describing two new corpora that consist of more than 100 thousand court judgments and more than 20 thousand scientific articles, with the corresponding manually written summaries. The availability of these large-scale corpora opens up the possibility of using the now popular data-driven approaches based on deep learning. The book then highlights the effectiveness of neural sentence extraction approaches, which perform just as well as rule-based approaches, but without the need for any manual annotation. As a next step, multiple techniques for creating ensembles of sentence extractors – which deliver better and more robust summaries – are proposed. In closing, the book presents a neural network-based model for sentence compression. Overall the book takes readers on a journey that begins with simple sentence extraction and ends in abstractive summarization, while also covering key topics like ensemble techniques and domain-specific summarization, which have not been explored in detail prior to this.