메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김기환 (성균관대학교) 고영중 (성균관대학교)
저널정보
Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.47 No.12
발행연도
2020.12
수록면
1,172 - 1,180 (9page)
DOI
10.5626/JOK.2020.47.12.1172

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
기본적인 생성 요약 모델은 문서 내 모든 중요 내용을 포함하는 짧은 요약문을 생성하는 것을 목표로 한다. 반면, 질의(Query) 기반 생성 요약 모델의 경우 문서 내에서 질의와 관련된 정보를 요약해야 한다. 기존의 질의 기반 요약 모델은 문서 내 단어들과 질의문 간의 어텐션(Attention) 메커니즘을 통해 단어의 가중치를 계산하고 이를 기반으로 문장의 중요도를 계산한다. 이러한 방식은 문서의 전체적인 문맥정보를 반영하기 어렵다는 단점이 있다. 본 논문에서는 이러한 문제를 문장 랭킹 스코어와 문장 단위 그래프 구조를 만들어 문장의 중요도뿐만 아니라 문맥 정보를 반영하여 생성 요약의 성능을 향상시킬 수 있는 새로운 생성 요약 기법을 제안한다. 실험으로 살펴본 최종 제안 모델의 성능은 같은 데이터를 사용하는 선행 모델 대비 ROUGE-1 1.44%p, ROUGE-L 0.52%p의 향상된 성능을 보인다.
#요약 모델 #생성 요약 #질의 기반 생성 요약 #어텐션 메커니즘 #그래프 #summarization model #abstractive summarization #query-based abstractive summarization #attention mechanism #graph

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 제안 모델
4. 실험 및 평가
5. 결론
References

참고문헌 (22)

참고문헌 신청
J. Clarke and M. Lapata, "Discourse constraints for document compression," Computational Linguistics, Vol. 36, No. 3, pp. 411-441, 2010. google schola J, Kupiec, J. Pedersen and F. Chen, "A trainable document summarizer," International ACM SIGIR conference on Research and development in information retrieval, 1995. google schola H. Saggion and T. Poibeau, "Automatic text summarization: Past, present and future," Multisource, Multilingual Information Extraction and Summarization, Springer, pp. 3-21, 2013. google schola H. Jeong, Y. Ko and J. Seo, "How to improve text summarization and classification by mutual cooperation on an intergrated framework," Expert Systems with Applications, Vol. 60, pp. 222-233, 2016. google schola A. M. Rush, S. Chopra and J. Weston, "A neural attention model for abstractive sentence summarization," Empirical Methods in Natural Language Processing, 2015. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

Korean Text Summarization using MASS with Relative Position Representation
정영준 ,  황현선 ,  이창기 Journal of KIISE 2020 .09
BERT를 이용한 2단계 한국어 문서 요약
전재원 ,  황현선 ,  이창기 한국정보과학회 학술발표논문집 2019 .12
Single Sentence Summarization with an Event Word Attention Mechanism
정이안 ,  최수정 ,  박세영 Journal of KIISE 2020 .02
추출 요약과 생성 요약을 결합한 2단계 문서 요약
전재원 ,  황현선 ,  이창기 한국정보과학회 학술발표논문집 2019 .06
Document Summarization Using TextRank Based on Sentence Embedding
정석원 ,  김진태 ,  김학수 Journal of KIISE 2019 .03

최근 본 자료

전체보기

댓글(0)

0