文字摘要主要有兩種實現方式：抽取式（extractive）和生成式（abstractive）。
1.傳統方法
1.1 lead-3
直接抽取文章的前面3句作為摘要。
1.2 聚類
將文章中的句子視為乙個點，按照聚類的方式完成摘要。對句子進行編碼，得到句子的向量表示，再使用k均值聚類和mean-shift聚類進行句子聚類，得到n個類別。最後從每個類別中，選擇距離質心最近的句子，得到n個句子，作為最終的摘要。
1.3 textrank
textrank仿照pagerank，將句子作為結點，使用句子間相似度，構造無向有權邊，使用邊上的權值迭代更新結點值，最終選取n個得分最高的節點作為摘要。
2.機器學習方法
利用機器學習演算法對統計特徵進行建模，如樸素貝葉斯、svm、隱馬爾可夫演算法等。主要特徵有：主題詞特徵、大寫詞特徵、線索短語特徵、句子長度特徵、段落特徵等。
3.基於深度學習的方法
3.1 序列標註方式
抽取式摘要可以建模為序列標註任務進行處理，其核心想法是：為原文中的每乙個句子打乙個二分類標籤（0 或 1），0 代表該句不屬於摘要，1 代表該句屬於摘要。最終摘要由所有標籤為 1 的句子構成。
bert做文字摘要 BERT文字摘要
簡介 bert是經過預先訓練的transformer模型，已在多個nlp任務上取得了突破性的效能。最近，我遇到了bertsum，這是愛丁堡的liu的 本文擴充套件了bert模型，以在文字摘要上達到最新的分數。在此部落格中，我將解釋本文以及如何使用此模型進行工作。提取摘要 類似於使用螢光筆。我們從原始...
文件摘要技術
一 基於特徵的方法 可以考慮如下特徵來進行文件摘要的生成，包括 文章標題 比如文章標題中出現的詞具有較高的權重 段落的位置 比如文章的首段和尾段具有較高的權重 段落的特定句子 比如段落的首句和第二句具有較高的權重 句式的型別 比如陳述句具有較高的權重，含有大標點的句子具有較高的權中等 文章中頻繁出現...
自動文字摘要學習
自動文字摘要是自然語言處理中乙個比較難的任務。新聞的摘要要求編輯能夠從新聞事件中提取出最關鍵的資訊點，然後重新組織語言進行描述 一般 的摘要要求作者先表述清楚問題，對前人工作中不完善的地方進行總結，然後用更凝練的語言描述自己的工作 綜述性質的 要求作者通讀大量相關領域的工作，用最概括性的語言將每份工...