文本自动摘要：现状与未来.PDFVIP

CCL2016 “自然语言处理国际前沿动态综述报告会” 文本自动摘要：现状与未来 万小军 语言计算与互联网挖掘研究室 北京大学计算机科学技术研究所 2016年10月16日，山东烟台 /lcwm/wanxj 文本自动摘要的重要性  信息爆炸  据IDC统计，互联网数据量已跃至ZB级 别（1ZB=240GB ），预计2020年达到 35ZB  搜索引擎不能有效解决信息过载的 问题  相关信息过多：冗余、片面、杂质  移动设备/智能设备的普及使用  需要新的信息浏览与人机交互方式 2 文本自动摘要的关键科学问题 重要信息 冗余信息 的评估与 的过滤 筛选 多源信息 碎片化信 的篇章组 息的聚合 织 3 文本自动摘要主要方法  抽取式方法  实现简单，保留完整句子，可读性良好  基于启发式规则或机器学习进行句子评估与选择  基于组合优化方法进行摘要提取  压缩式方法  同时进行句子抽取与压缩或融合  能有效提高ROUGE值，但会牺牲句子可读性  生成式方法  直接从意义表达生成摘要句子  难度大，更接近摘要的本质  目前效果不佳，但值得鼓励 4 2015年以来文本自动摘要相关论文 NLP领域主要会议与刊物 发表数量（长+短） ACL2015 7 ACL2016 6 EMNLP2015 17 EMNLP2016 2 NAACL2015 7 NAACL2016 4 TACL(2015~2016) 0 CL(2015~2016) 0 TASLP(2015~2016) 4 5 近两年主要研究进展总结  数据集与评测手段  改进文本自动摘要的评价方法  构建大规模文本自动摘要数据集  对已有抽取式方法的改进与扩展