워드 임베딩 클러스터링을 활용한 리뷰 다중문서 요약기법 (Multi-Document Summarization Method of Reviews Using Word Embedding Clustering)

서지정보

· 발행기관 : 한국정보처리학회
· 수록지 정보 : 정보처리학회 논문지 / 10권 / 11호 / 535 ~ 540페이지
· 저자명 : 이필원, 황윤영, 최종석, 신용태

초록

다중문서는 하나의 주제가 아닌 다양한 주제로 구성된 문서를 의미하며 대표적인 예로 온라인 리뷰가 있다. 온라인 리뷰는 정보량이 방대하기때문에 요약하기 위한 여러 시도가 있었다. 그러나 기존의 요약모델을 통해 리뷰를 일괄적으로 요약할 경우 리뷰를 구성하고 있는 다양한 주제가소실되는 문제가 발생한다. 따라서 본 논문에서는 주제의 손실을 최소화하며 리뷰를 요약하기 위한 기법을 제시한다. 제안하는 기법은 전처리,중요도 평가, BERT를 활용한 임베딩 치환, 임베딩 클러스터링과 같은 과정을 통해 리뷰를 분류한다. 그리고 분류된 문장은 학습된 Transformer요약모델을 통해 최종 요약을 생성한다. 제안하는 모델의 성능 평가는 기존의 요약모델인 seq2seq 모델과 ROUGE 스코어와 코사인 유사도를 평가하여 비교하였으며 기존의 요약모델과 비교하여 뛰어난 성능의 요약을 수행하였다.

영어초록

Multi-document refers to a document consisting of various topics, not a single topic, and a typical example is online reviews. Therehave been several attempts to summarize online reviews because of their vast amounts of information. However, collective summarizationof reviews through existing summary models creates a problem of losing the various topics that make up the reviews. Therefore, in thispaper, we present method to summarize the review with minimal loss of the topic. The proposed method classify reviews through processessuch as preprocessing, importance evaluation, embedding substitution using BERT, and embedding clustering. Furthermore, the classifiedsentences generate the final summary using the trained Transformer summary model. The performance evaluation of the proposed modelwas compared by evaluating the existing summary model, seq2seq model, and the cosine similarity with the ROUGE score, and performeda high performance summary compared to the existing summary model.

참고자료

· 없음