※かなり煩雑になってるので，更にまとめる必要あり

１　イントロダクション

• 要約は単一または複数の文書から生成できる
• 要約は重要な情報を保っている
• 要約は短くなっているべきである

２．１　初期の研究

• その文中に重要な単語が出現した回数
• 重要な単語間の直線距離

２．２　機械学習法

1990年代，NLPにおける機械学習の到来とともに，抜粋を生成するための統計的なテクニックを用いた，将来性のある一連の発表が現われた．

はじめ，殆どのシステムは素性は独立であると思われ，ナイーブベイズ法に基づいていたが
他方では適切な素性を選ぶことと独立でない前提を生み出す学習アルゴリズムに焦点をあてた．

他の特徴的なアプローチは抜粋要約を改善するために隠れマルコフモデルおよび対数―線形モデルを巻き込んだ．

ごく最近の論文では純粋に単一文書抜粋を改善するため，対照的に，
ニューラルネットワークとThird party features（検索エンジンのクエリの共通語）を用いている．

２．２．１　ナイーブベイズ法

Kupiecら(1995)
データから学習を行える方法を説明

ナイーブベイズ分類器を用いて，各文を抜粋に価値があるかどうか分類




素性はEdmundsonのものに加え，文の長さ，大文字の単語の出現も含む

各文を上式に基づいてスコア付け，上位n文を選ぶ．

システムを評価するために，人手によるアブストラクト付の技術文書コーパスを用いた

アブストラクトの各文に対して，元の文書中の文と対応させマッピング
（完全に1文と対応，2文の結合，どこにも対応しない，など）

自動抜粋はこのマッピングに対して評価される．

素性解析の結果，文の位置とcue feature，加えて文の長さのみを用いたシステムが最もよい結果を示した．


Aoneら(1999)
ナイーブベイズ分類器により豊かな？（richer）素性を用いる．
DimSumと呼ばれるシステム
文書中のキーコンセプトを指す特徴語を得るためにtf-idfを利用

idfは関連文書として同領域の多くのコーパスから計算される

統計的に求められる2つの名詞のコロケーションは1単語として数えられる

固有表現（named-entity tagger）が用いられ，各実体（entity）は単トークンとして考えられた

//テキスト中での同じ実体の参照のような，いくつかの浅い談話？（shallow discourse）解析

参照は，文書内部の別名をリンクさせることで非常に浅いレベルで解決される
例）
U.S. と United Statets
IBM と International Business Machines

類義語や形態論の変形？（morphological variants）もまた辞書の用語を考慮することによって合併され，原形はWordnetを用いることで同定される

実験に用いたコーパスはnewswire，その一部はTRECが評価したものに属する

Lin and Hovy (1997)
文の位置の重要性を研究
"position method"
単純に文のテキスト中の位置によって重み付け

テキストは，一般的に予見できる談話構造（discourse structure）に従う
中心となる大トピック？（greater topic）の文は確実に同定できる場所（タイトル，アブストラクトなど）に現れる傾向がある

談話構造（discourse structure）は領域によって顕著に変化するので，position methodは単純に定義できない
この論文は，ジャンルを越えてposition methodを最適に調整する技術を研究し，
また，有効性の評価方法することによって重要な貢献をした．

newswireコーパス：
TIPSTERから作られるZiff-Davisテキスト
コンピュータと関連したハードウェアについてのテキスト＋key topic wordsと6文のアブストラクト

各コーパスにおいてtopic keywordsに対する各文の位置の産出？（yield）を測定
文の位置をランク付け

2つの評価がなされた
あらかじめ，初見のテキストは異なる領域において同じ手順が機能するかのテストに用いられる
1つめは，訓練文書と同じ外見を明らかにした
2つめは，抜粋した文を含む人手にるアブストラクトの単語の重複が測定される

アブストラクトの窓と選ばれた文の窓が比較され，一致の適合率と再現率が測定される．

Lin (1999)
素性は互いに独立であるという前提から抜け出す
ナイーブベイズ分類器のかわりに決定木を抜粋問題に使用

データセットはTRECトピックに答えるための要約に含まれるべき不可欠な文の断片（句，節，文）を含む
これらの断片は人手で評価される

新しい素性として，
query signature（クエリの単語を含んでいる数に依存する，文に与えられる正規化されたスコア）
IR signature（コーパス中の最も顕著な単語）
数的なデータ（数を含む文に1を与えるブーリアン値）
固有名詞（固有名詞を含んでいれば1）
代名詞または形容詞（代名詞か形容詞を含んでいれば1）
平日または月？（weekday or month）
クォーテーション

query signatureのような素性が質問を重視する？（question-oriented）ということは全く価値がない
評価セットが一般化された要約の骨組みに似ていないため

Osborne (2002)
抜粋のアプローチにおいて、素性は独立だと思われてきたと主張

この前提を対数ー線形モデルを用いて取り除く
抜粋するかどうかの2つのラベル付け



最急降下法を用いて重みを学習

素性として

単語対
文の長さ
文の位置

を含む

２．３　深い自然言語解析による方法