Skip to content
กลับไปยังผลการค้นหา

การสรุปความอัตโนมัติ — แบบสกัดและแบบสร้างเนื้อหาใหม่

ประเภท
NLP text-generation / text-reduction task

ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ

ขนาดตัวอักษร

ใช้ทำอะไร?

การสรุปความอัตโนมัติเป็นงานประมวลผลภาษาธรรมชาติที่ย่อเอกสารยาวให้เป็นบทสรุปที่สั้นลง โดยยังคงรักษาข้อมูลสำคัญไว้ วิธีการนี้ทำงานผ่านแนวทางสองตระกูลหลัก ได้แก่ การสรุปความแบบสกัด (extractive summarization) ซึ่งเลือกส่วนที่สำคัญที่สุดจากต้นฉบับ หรือการสรุปความแบบสร้างเนื้อหาใหม่ (abstractive summarization) ซึ่งสร้างข้อความใหม่ สาขานี้ได้รับการรวบรวมและจัดระบบโดย Nenkova และ McKeown (2011) และแบบจำลองลำดับต่อลำดับ (sequence-to-sequence models) เช่น BART (Lewis et al., 2020) ได้พัฒนางานด้านการสร้างเนื้อหาใหม่ให้ก้าวหน้ายิ่งขึ้น

แนวคิดเบื้องหลังวิธีการ

การอ่านเอกสารยาวเพื่อสกัดใจความสำคัญนั้นช้าและไม่สามารถนำไปใช้กับเอกสารจำนวนมากได้ เป้าหมายของการสรุปความคือการรักษาข้อมูลสำคัญไว้ในขณะที่ทำให้ข้อความสั้นลงอย่างมาก แนวทางแบบสกัดเปรียบเสมือนปากกาเน้นข้อความที่ดึงประโยคที่มีข้อมูลมากที่สุดออกมาจากต้นฉบับ แนวทางแบบสร้างเนื้อหาใหม่เปรียบเสมือนบุคคลที่เขียนใจความสำคัญใหม่ด้วยคำพูดที่น้อยลง ไม่ว่าจะด้วยวิธีใด ผลลัพธ์ที่ได้คือบทสรุปที่กระชับซึ่งผู้อ่านสามารถทำความเข้าใจได้เร็วกว่าต้นฉบับมาก

ประวัติศาสตร์

การสรุปความอัตโนมัติได้รับการสำรวจและรวบรวมโดย Nenkova และ McKeown (2011) ซึ่งได้กำหนดกรอบงานของภารกิจในการลดข้อความพร้อมทั้งรักษาข้อมูลสำคัญไว้ตามแนวทางแบบสกัดและแบบสร้างเนื้อหาใหม่ ด้านการสร้างเนื้อหาใหม่ได้ก้าวหน้าอย่างมากด้วยแบบจำลองลำดับต่อลำดับที่ได้รับการฝึกไว้ล่วงหน้า เช่น BART (Lewis et al., 2020) ซึ่งใช้การฝึกฝนแบบลดสัญญาณรบกวนเพื่อสร้างข้อความที่กระชับ

ควรใช้เมื่อใด

การสรุปความอัตโนมัติเหมาะสมเมื่อคุณมีเอกสารที่ยาวพอที่จะคุ้มค่ากับการย่อขนาด และภาษาต้นฉบับได้รับการสนับสนุนจากแนวทางที่เลือก เหมาะสำหรับเป้าหมายเชิงพรรณนาและการสำรวจข้อมูลข้อความ โดยทำงานกับชุดข้อมูลแบบภาคตัดขวางหรือแบบอนุกรมเวลา หากมีเอกสารน้อยเกินไป แบบจำลองการสร้างเนื้อหาใหม่จะไม่สามารถฝึกได้อย่างน่าเชื่อถือ — ให้กลับไปใช้การสกัดคำหลักเพื่อรับข้อมูลสำคัญ — และหากไม่มีข้อมูลข้อความเลย การสรุปความก็ไม่สามารถทำงานได้

ข้อจำกัดและข้อควรพิจารณา

  • แบบจำลองการสร้างเนื้อหาใหม่ไม่สามารถฝึกได้อย่างน่าเชื่อถือด้วยเอกสารจำนวนน้อยมาก
  • ประสิทธิภาพขึ้นอยู่กับว่าภาษาต้นฉบับได้รับการสนับสนุนจากแนวทางที่เลือกหรือไม่
  • เอกสารต้องมีความยาวเพียงพอที่จะมีเนื้อหาที่มีความหมายให้บีบอัด

เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้

จุดแข็ง

  • ย่อเอกสารยาวให้เป็นบทสรุปที่สั้นลงโดยยังคงรักษาข้อมูลสำคัญไว้
  • นำเสนอสองแนวทางที่เสริมกัน: การเลือกส่วนจากต้นฉบับแบบสกัด และการสร้างข้อความใหม่แบบสร้างเนื้อหา
  • ปรับขนาดความพยายามในการอ่านให้ครอบคลุมเอกสารจำนวนมากหรือเอกสารยาวที่อาจใช้เวลานานในการอ่านทั้งหมด

การประยุกต์ใช้

  • การสร้างบทสรุปสั้นๆ ของรายงานหรือบทความยาวๆ เพื่อให้ผู้อ่านเข้าใจใจความสำคัญได้อย่างรวดเร็ว
  • การย่อคอลเลกชันเอกสารขนาดใหญ่เพื่อการทบทวนเชิงสำรวจ
  • การสร้างบทคัดย่อหรือสรุปสั้นๆ จากข้อความต้นฉบับที่ยาว
  • การสรุปความของคลังข้อความในสาขามนุษยศาสตร์ สังคมศาสตร์ ธุรกิจ และวิทยาศาสตร์ธรรมชาติ

วิธีการทำงาน

วิธีการทำงาน

1

เอกสารต้นฉบับตั้งแต่หนึ่งฉบับขึ้นไปที่มีความยาวเพียงพอจะถูกโหลดเป็นข้อมูลนำเข้า การสรุปความต้องการข้อความที่มีเนื้อหาเพียงพอสำหรับการบีบอัด ดังนั้นส่วนที่สั้นมากจึงมีประโยชน์น้อยในการลดขนาด วิธีการนี้มุ่งเป้าไปที่เอกสารที่ยาวขึ้นซึ่งการย่อขนาดช่วยประหยัดเวลาของผู้อ่านได้อย่างแท้จริง

2

ข้อความดิบจะถูกทำความสะอาดและแบ่งออกเป็นหน่วยที่สามารถวิเคราะห์ได้ เช่น ประโยคหรือโทเค็น เนื่องจากภาษาต้นฉบับต้องได้รับการสนับสนุนจากแนวทางที่เลือก ขั้นตอนนี้จึงเป็นการยืนยันว่าภาษาของเอกสารเป็นภาษาที่แบบจำลองหรือเทคนิคการสกัดสามารถจัดการได้

3

บทสรุปที่สั้นลงจะถูกสร้างขึ้น แนวทางแบบสกัดจะให้คะแนนและเลือกส่วนที่สำคัญที่สุดจากข้อความต้นฉบับ ในขณะที่แนวทางแบบสร้างเนื้อหาใหม่จะใช้แบบจำลองลำดับต่อลำดับเพื่อสร้างคำพูดใหม่ที่กระชับ ข้อมูลสำคัญของต้นฉบับจะถูกรักษาไว้ในขณะที่ความยาวลดลง

4

บทสรุปจะถูกตรวจสอบกับต้นฉบับเพื่อดูความครอบคลุมของข้อมูลสำคัญและเพื่อความยาว และผลลัพธ์จะถูกตรวจสอบก่อนนำวิธีการไปใช้งาน สิ่งนี้จะป้องกันบทสรุปที่ละทิ้งเนื้อหาที่จำเป็น หรือในกรณีของการสร้างเนื้อหาใหม่ จะสร้างคำพูดที่ไม่สอดคล้องกับต้นฉบับ

ข้อผิดพลาดที่พบบ่อย

  • การเรียกใช้แบบจำลองการสร้างเนื้อหาใหม่บนคลังข้อมูลที่เล็กเกินไป (น้อยกว่าประมาณ 100 เอกสาร) — ให้กลับไปใช้การสกัดคำหลักเพื่อรับข้อมูลสำคัญแทน
  • การใช้การสรุปความกับภาษาที่แบบจำลองหรือเทคนิคการสกัดไม่รองรับ จะทำให้ผลลัพธ์เสื่อมลง
  • การพยายามสรุปความเมื่อไม่มีข้อมูลข้อความจริง ด้วยข้อมูลที่มีโครงสร้าง สถิติเชิงพรรณนาเป็นทางเลือกที่เหมาะสม
  • การเชื่อถือบทสรุปโดยไม่ได้ตรวจสอบกับต้นฉบับเพื่อหาข้อมูลสำคัญที่ขาดหายไป หรือในกรณีของการสร้างเนื้อหาใหม่ คำพูดที่ไม่ได้รับการสนับสนุน

คำถามที่พบบ่อย

แบบสกัดหรือแบบสร้างเนื้อหาใหม่ — ฉันควรใช้อันไหน?

การสรุปความแบบสกัดจะเลือกและเชื่อมต่อส่วนที่สำคัญที่สุดโดยตรงจากต้นฉบับ ดังนั้นจึงยังคงความถูกต้องตามถ้อยคำเดิม การสรุปความแบบสร้างเนื้อหาใหม่ใช้แบบจำลองลำดับต่อลำดับเพื่อสร้างข้อความใหม่ที่กระชับ ซึ่งอาจอ่านได้เป็นธรรมชาติมากขึ้น แต่ต้องใช้แบบจำลองที่ได้รับการฝึกฝนและข้อมูลเพียงพอ แบบสกัดเป็นทางเลือกที่ปลอดภัยกว่าสำหรับคลังข้อมูลขนาดเล็กหรือละเอียดอ่อน แบบสร้างเนื้อหาใหม่เหมาะสำหรับคลังข้อมูลขนาดใหญ่ที่การเขียนใหม่ตามธรรมชาติมีความสำคัญ

ฉันต้องการเอกสารกี่ฉบับ?

การสรุปความมุ่งเป้าไปที่เอกสารที่มีความยาวเพียงพอ โดยมีค่าต่ำสุดที่ใช้งานได้ประมาณ 20 ฉบับ การฝึกฝนหรือการพึ่งพาแบบจำลองการสร้างเนื้อหาใหม่ด้วยเอกสารน้อยกว่าประมาณ 100 ฉบับนั้นไม่น่าเชื่อถือ ในกรณีนั้น ให้ใช้การสกัดคำหลักเพื่อจับข้อมูลสำคัญแทน

ใช้งานได้ในภาษาอื่นนอกเหนือจากภาษาอังกฤษหรือไม่?

ใช่ โดยมีเงื่อนไขว่าภาษาต้นฉบับได้รับการสนับสนุนจากแนวทางที่เลือก การใช้แบบจำลองหรือเทคนิคการสกัดกับภาษาที่ไม่ได้รับการสนับสนุนเป็นสาเหตุทั่วไปของบทสรุปที่ไม่ดี

จะทำอย่างไรถ้าฉันไม่มีข้อมูลข้อความ?

การสรุปความไม่สามารถทำงานได้หากไม่มีข้อความ หากข้อมูลของคุณมีโครงสร้างมากกว่าข้อความอิสระ สถิติเชิงพรรณนาเป็นทางเลือกที่เหมาะสมสำหรับการสื่อสารข้อมูลสำคัญ

วิธีการที่เกี่ยวข้อง

แหล่งอ้างอิง

  1. Nenkova, A. & McKeown, K. (2011). Automatic Summarization. Foundations and Trends in Information Retrieval.

    เปิดเอกสารอ้างอิง DOI
    คัดลอกแล้ว
  2. Lewis, M. et al. (2020). BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation, and Comprehension. ACL.

    เปิดเอกสารอ้างอิง DOI
    คัดลอกแล้ว