Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

An evolutionary approach for improving the quality of automatic summaries Kokou Valentin Seminar Maschinelles Lernen und Experimentelles Design Constantin.

Ähnliche Präsentationen


Präsentation zum Thema: "An evolutionary approach for improving the quality of automatic summaries Kokou Valentin Seminar Maschinelles Lernen und Experimentelles Design Constantin."—  Präsentation transkript:

1 An evolutionary approach for improving the quality of automatic summaries Kokou Valentin Seminar Maschinelles Lernen und Experimentelles Design Constantin Orasan

2 Referenz Constantin Orasan (2003): An Evolutionary Approach for Improving the Quality of Automatic Summaries. In: Proceedings of the ACL 2003 Workshop on Multilingual Summarization and Question Answering, Sapporo, Japan 2

3 Überblick automatische Zusammenfassungen Corpusanalyse Methoden Algorithmen Evaluation Zusammenfassung 3

4 Automatische Zusammenfassung 2 Ansätze für automatische Zusammenfassungen extract and rearrange wichtigsten Sätze aus dem Text extrahieren versuchen die Sätze kohärent neu anzuordnen bevorzugt wenn robuste Methoden benötigt understand and generate den Text verstehen Kurzbeschreibung generieren Methoden abhängig von der Domäne um zu verstehen 4

5 Automatische Zusammenfassung continuity principle benötigt mind. 2 aufeinanderfolgende Äußerungen Diese beziehen sich auf die gleiche Entität – Tom hat sich ein Auto gekauft – Es ist 12 Jahre alt – Der Motor muss augestauscht werden. 5

6 Corpusanalyse 146 menschliche Kurzbeschreibungen aus JAIR automatischer Test durch ein simples Skript prüft Übereinstimmung von Head Noun Phrase 75% der Paare erfüllen das Prinzip 6

7 Corpusanalyse Äußerungen welche das Prinzip verletzen werden manuell geprüft Verbindung zwischen Äußerungen durch rhetorische Beziehungen (57%) Wörter wurden durch semantisch äquivalente ersetzt (34%) Verzweigungen in der Diskursstruktur durch bestimmte Wörter (9%) 7

8 Corpusanalyse continuity principle vorhanden in von Menschen produzierten Kurzbeschreibungen nicht bewusste Nutzung des Prinzips bessere Ergebnisse bei automatischen Zusammenfassungen trotzdem nicht sicher dass man kohärenten Text bekommt 8

9 Methoden Minimierung der continuity principle Verletzungen Programm muss wichtigen Information erkennen Informationen zusammenhängend wiedergeben 2 Methoden um Sätze zu bewerten – Content basierende Bewertung – Kontext basierende Bewertung 2 Algorithmen nutzen gleiche Content basierende Bewertung 9

10 Methoden Content-basierende Bewertung Keyword : TF-IDF Indicator phrase: Meta-diskurs Marker (in this paper, we present) Wert wird erhöht oder verringert Location method: wichtige Sätze am Anfang und Ende des Documents Title and headers: Werte werden erhöht Special formating rules: Sätze mit Gleichungen werden ausgeschlossen da selten in Abstracts 10

11 Methoden Kontext basierende Bewertung Wert wird erhöht wenn Satz und Vorgänger oder Nachfolger continuity principle erfüllen Wenn nicht, wird der Wert verringert erhöht wird mit dem TF-IDF der gemeinsamen NP Köpfe verringert mit dem höchste TF-IDF des Dokuments 11

12 Algorithmen Given an extract {S summ1, S summ2,..., S summ m } and S the sentence which is considered for extraction 1.Find S prec and S next from the extract which are the closest sentence before and after S in document 2.Adjust the score S considering the context S prec,S,S next. 12

13 Algorithmen Greedy Algorithmus alle noch nicht entnommenen Sätze werden bewertet der Satz mit höchstem Wert wird entnommen Algorithmus wird wiederholt bis verlangte Länge der Zusammenfassung erreicht ist 13

14 Algorithmen Genetische Algorithmen codieren das Problem als Chromosomen Länge der Chromosomen = Anzahl der Sätze der Zus. nicht sicher das beste Ergebnis zu bekommen Integer Werte statt binäre Codierung (3,8,10 usw.) jeder Wert bezeichnet die Position des Satzes im Dokument 14

15 Algorithmen

16 Algorithmen Fitnessfunktion: Summe der Werte welche in Chromosomen eingetragen sind Selektion: weighted roulette wheel (fitteres ) Genetische Operatoren: – single point crossover – two mutation operators 16

17 Algorithmen Single point crossover 17

18 Algorithmen first mutation operator second mutation operator 18

19 Algorithmen First mutation operator soll zufällige Sätze einfügen um dem Algorithmus zu helfen Second mutation operator fügt zusammenhängende Sätze ein welche die Kohärenz der Zusammenfassung zu verbessern jeder Operator hat eine bestimmte Wahrscheinlichkeit Generell startet Population mit zufällig generierten Chromosomen Population: 500 Chromosomen in 100 Generationen Lösung für Problem ist das Chromosom mit höchsten Fitnesswert 19

20 Evaluation Wörter aus 10 wissen. Texten 8 versch. Zusammenfassungen von jedem Text jede einzelne von Menschen gelesen und geprüft Qualität der Zusammenfassung wird gemessen : – Kohärenz – Zusammenhang – Aussagekraft 20

21 Evaluation Kohärenz wird gemessen an der Anzahl der Diskursbrüche Brüche entstehen wenn ein Satz scheinbar isoliert ist Meisten markiert durch bestimmte Phrasen: – Firstly – Secondly – However – On the other hand 21

22 Evaluation In kürzeren Zusammenfassung haben Kontext Informationen weniger Einfluss auf Diskursbrüche Indicating Phrases haben größeren Einfluss als continuity principle Bei längeren Zusammenfassung bessere Ergebnisse erzielt GA in allen Fällen besser als Basic Method Greedy sehr nah an Basic Method continuity principle unterschiedliche Beeinflussung der Ergebnisse je nach Text 22

23 Evaluation MethodTextTotal TFIDF12(29)5(13)17(33)10(16)7(10)12(19)9(15)14(18)12(35)8(15)106(203) Basic8(24)4(11)11(23)5(7)4(6)7(14)9(8)12(11)10(16)7(12)77(132) Greedy8(20)4(7)12(20)4(10)4(7)8(16)11(7)8(9)9(14)8(12)76(122) Evolutionary6(11)3(9)14(16)4(5)4(4)7(9)7(3)8(3)9(9)5(6)67(75) Maximum15(39)12(21)20(51)13(20)7(13)15(23)14(23)15(25)17(44)11(40)139(299) Tabelle 1: Anzahl der Diskursbrüche in den Zusammenfassungen 23

24 Evaluation Verbesserung der lokalen Kohesion hat untergeordneten Effekt auf baumelnde Referenzen Anzahl der Referenzen verringert sich durch GA Greddy auch hier nicht besser als Basic Method Häufigsten Referenzen beziehen sich auf Bilder, Tabellen – As we showed in Table 3… – How you see in Figure 2… Oft kein Text und deswegen sollte es nicht vorkommen in Zusammenfassung 24

25 Evaluation MethodTextTotal TFIDF12(31)3(25)22(35)13(15)4(10)14(22)14(16)11(22)12(19)9(15)144(210) Basic12(26)2(23)17(19)7(13)2(7)11(20)10(9)10(8)6(12)8(15)85(162) Greedy11(19)3(14)15(20)4(19)3(9)13(23)16(10)4(11)7(12)7(14)83(151) Evolutionary8(18)3(16)15(18)6(6)2(6)9(12)10(7)4(5)5(13)7(12)69(113) Tabelle 2: Anzahl der baumelnden Referenzen in den Zusammenfassungen 25

26 Evaluation Content- basierende Metrik zur Beurteilung Kontext- basierender Methoden Berechnet die Ähnlichkeit zwischen Zusammenfassung und Originaldokument Gute Ergebnisse liegen bei einem Wert nahe 1 GA erzielt für einige Texte die besten Ergebnisse Greedy scheint nützliche Informationen auszuschliessen Für einige Texte schlechtere Ergebnisse als bei Basic und Baseline 26

27 Evaluation MethodText TFIDF0.84 (0.92) 0.85 (0.95) 0.84 (0.93) 0.92 (0.87) 0.87 (0.94) 0.80 (0.90) 0.86 (0.87) 0.92 (0.86) 0.82 (0.89) 0.88 (0.85) Basic0.81 (0.91) 0.85 (0.87) 0.87 (0.90) 0.93 (0.87) 0.89 (0.93) 0.88 (0.87) 0.89 (0.83) 0.90 (0.89) 0.68 (0.88) 0.92 (0.86) Greedy0.87 (0.90) 0.85 (0.) (0.89) 0.93 (0.88) 0.86 (0.95) 0.84 (0.74) 0.78 (0.85) 0.90 (0.86) 0.58 (0.86) 0.90 (0.88) Evolutionary0.82 (0.86) 0.88 (0.95) 0.84 (0.91) 0.94 (0.89) 0.86 (0.88) 0.87 (0.88) 0.90 (0.88) 0.86 (0.87) 0.81 (0.82) 0.88 (0.91) Tabelle 3: Ähnlichkeiten zwischen Zusammenfassung und Originaldokument 27

28 Evaluation Vergleichen der Ergebnisse Baseline : TF-IDF (Satz mit höchstem TF-IDF Wert) content-basierende Methode (alle Parameter ) Greddy Algorithmus (+ Kontext Informationen) Genetische Algorithmus (+ Kontext Informationen) wie Sätze aus dem Dokument extrahiert werden 28

29 Zusammenfassung Zwei Algorithmen kombinieren Content und Kontext Informationen Greedy wählt immer einen Satz nach dem anderen aus – Einmal ausgewählt kann er nicht verworfen werden GA bestimmt ein Set von extrahierten Sätzen – Überwindet die Begrenzung des Greedy Algorithmus GA konsistent bessere Ergebnisse als die andern Methoden Teilweise textabhängig wie sehr continuity principle Ergebnisse beeinflusst 29

30 Diskussion Da continuity principle manchmal zu geringer Effekt – Kombination der Centering Theory Prinzipien Algorithmus auf andere Textarten anwenden – Sportartikel, Wirtschaftstexte 30


Herunterladen ppt "An evolutionary approach for improving the quality of automatic summaries Kokou Valentin Seminar Maschinelles Lernen und Experimentelles Design Constantin."

Ähnliche Präsentationen


Google-Anzeigen