tailieunhanh - Báo cáo khoa học: "Combining Coherence Models and Machine Translation Evaluation Metrics for Summarization Evaluation"

An ideal summarization system should produce summaries that have high content coverage and linguistic quality. Many state-ofthe-art summarization systems focus on content coverage by extracting content-dense sentences from source articles. A current research focus is to process these sentences so that they read fluently as a whole. | Combining Coherence Models and Machine Translation Evaluation Metrics for Summarization Evaluation Ziheng Lint Chang Liu Hwee Tou Ng and Min-Yen Kant t SAP Research SAP Asia Pte Ltd 30 Pasir Panjang Road Singapore 117440 t Department of Computer Science National University of Singapore 13 Computing Drive Singapore 117417 liuchan1 nght kanmy @ Abstract An ideal summarization system should produce summaries that have high content coverage and linguistic quality. Many state-of-the-art summarization systems focus on content coverage by extracting content-dense sentences from source articles. A current research focus is to process these sentences so that they read fluently as a whole. The current AESOP task encourages research on evaluating summaries on content readability and overall responsiveness. In this work we adapt a machine translation metric to measure content coverage apply an enhanced discourse coherence model to evaluate summary readability and combine both in a trained regression model to evaluate overall responsiveness. The results show significantly improved performance over AESOP 2011 submitted metrics. 1 Introduction Research and development on automatic and manual evaluation of summarization systems have been mainly focused on content coverage Lin and Hovy 2003 Nenkova and Passonneau 2004 Hovy et al. 2006 Zhou et al. 2006 . However users may still find it difficult to read such high-content coverage summaries as they lack fluency. To promote research on automatic evaluation of summary readability the Text Analysis Conference TAC Owczarzak and Dang 2011 introduced a new subtask on readability to its Automatically Evaluating Summaries of Peers AESOP task. 1006 Most of the state-of-the-art summarization systems Ng et al. 2011 Zhang et al. 2011 Conroy et al. 2011 are extraction-based. They extract the most content-dense sentences from source articles. If no post-processing is performed to the generated summaries the .

• Báo cáo khoa học
• Combining Coherence Models
• Machine Translation Evaluation Metrics
• Summarization Evaluation
• báo cáo khoa học
• báo cáo ngôn ngữ
• ngôn ngữ tự nhiên
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Xử lý ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Mô hình ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân loại tin tự động
• Tạo chí tin học
• Điều khiển học
• Truy vấn ngôn ngữ tự nhiên
• Phép dịch truy vấn ngôn ngữ tự nhiên
• Truy vấn SQL
• Văn phạm ngữ nghĩa
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Phân tích ngữ nghĩa
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Xử lý ngôn ngữ
• Natural Language Processing
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Bài toán PTCP
• Phân tích cú pháp
• Cấu trúc ngữ pháp
• Phân tích cú pháp xác suất
• CKY kết hợp xác suất
• Văn phạm phi ngữ cảnh xác suất
• Hình thái học
• Gán nhãn từ loại
• Ngôn ngữ tự nhiên trong dịch máy
• Hệ thống dịch máy
• Phương pháp xây dựng bảng từ
• Tác từ
• Conditional random fields
• Nhận dạng thực thể có tên
• Đối tượng vật lý trừu tượng
• Phân lớp văn bản
• Biểu diễn nhị phân
• Ma trận từ văn bản
• Wolfram Alpha
• Trích rút thông tin
• Phương pháp Snowball