EP0968478A1 - Verfahren zur automatischen generierung einer zusammenfassung von einem text durch einen rechner - Google Patents
Verfahren zur automatischen generierung einer zusammenfassung von einem text durch einen rechnerInfo
- Publication number
- EP0968478A1 EP0968478A1 EP98914784A EP98914784A EP0968478A1 EP 0968478 A1 EP0968478 A1 EP 0968478A1 EP 98914784 A EP98914784 A EP 98914784A EP 98914784 A EP98914784 A EP 98914784A EP 0968478 A1 EP0968478 A1 EP 0968478A1
- Authority
- EP
- European Patent Office
- Prior art keywords
- sentence
- text
- word
- words
- probability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/34—Browsing; Visualisation therefor
- G06F16/345—Summarisation for human users
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
- G06F40/35—Discourse or dialogue representation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S707/00—Data processing: database and file management or data structures
- Y10S707/99931—Database or file accessing
- Y10S707/99933—Query processing, i.e. searching
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S707/00—Data processing: database and file management or data structures
- Y10S707/99931—Database or file accessing
- Y10S707/99933—Query processing, i.e. searching
- Y10S707/99934—Query formulation, input preparation, or translation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S707/00—Data processing: database and file management or data structures
- Y10S707/99931—Database or file accessing
- Y10S707/99933—Query processing, i.e. searching
- Y10S707/99935—Query augmenting and refining, e.g. inexact access
Definitions
- the invention relates to a method for the automatic generation of a summary of a text by a computer.
- a special type of information reduction consists in the merging of texts.
- a method for summarizing texts is known from [1] which uses heuristic features with a discrete range of values.
- the probability that a sentence from the text belongs to the summary on the condition that a heuristic feature has a certain value is estimated from a training set of summaries.
- the object of the invention is to automatically generate a summary from a given text, which summary is intended to represent the essential contents of the text in short form.
- the method according to the invention enables a text to be summarized by determining for each sentence of this text a probability that the sentence belongs to the summary.
- the relevance measure is determined for each word m in the sentence from a lexicon which contains all relevant words with a predefined relevance measure for each of these words.
- the accumulation of all relevance measures gives the probability of the sentence belonging to the summary. All records are then sorted according to their probability.
- a predeterminable reduction measure which indicates what percentage of the original text is shown in the summary, serves for the selection of the number of sentences given by this reduction measure from the sorted representation. If the most important x-percent sentences are selected, they are displayed as a summary of the text in its original order given by this text.
- An advantageous further development of the method according to the invention consists in introducing an frequency of Emzelworth in addition to the relevance measure. This level of detail indicates how often the word in question appears in the entire text to be summarized. Taking into account the relevance measure and this newly introduced
- N is the total number of words in the
- a further development of the method according to the invention consists in using an application-specific lexicon.
- a lexicon specified for sports contributions will rate sports-related words with a higher relevance for a text to be summarized than a lexicon that specializes in summaries of economic contributions. It is therefore advantageously possible to provide specific knowledge about predefinable categories by means of lexica corresponding to the respective categories.
- a text is also advantageous to assign a text to one or more categories. This can be done automatically by using specific, predefinable words in the subject-related lexica as a selection criterion for an assignment to the respective subject area. If several categories (subject areas), i.e. different perspectives or filters, are possible for the summary of a text, different summaries, one for each category, can be created automatically.
- FIG. 1 is a sketch illustrating a system for automatically generating a summary
- Fig. 2 is a block diagram illustrating the steps of the method according to the invention.
- FIG. 1 shows a system with which an automatic generation of a summary of text by a
- a text to be summarized can either be written TXT, e.g. on paper, or in digital form DIGTXT, e.g. as the result of a database query.
- the text TXT is read in by the scanner SC and stored as an image file BD.
- a text recognition software OCR converts the text TXT m present as an image file BD into a machine-readable format, e.g. ASCII format to.
- the digital text DIGTXT is already available in machine-readable format.
- the summary according to the invention is created using the corresponding lexicon (in the KatSel block).
- step 2a the first sentence is selected at the beginning of the method according to the invention and the probability that this sentence belongs to the summary is set to 0.
- step 2b the first word of this sentence is selected. Since the probability that this sentence belongs to the summary is derived from the
- step 2e If the probabilities of the individual words are put together, for each word in the sentence in the loop from step 2c to step 2e, the respective probability is cumulated to the overall probability for the entire sentence. Once all the words in the sentence have been processed, the probability for the individual sentence is normalized by the number of words. The steps described are carried out for all sentences in the text (step 2g, 2h, 2 ⁇ ). If the last sentence in the text has been processed, the sentences are after their
- step 2j Probability sorted (step 2j). According to a predeterminable reduction measure, the n best sentences corresponding to the reduction measure are selected in step 2k and then their original sequence is displayed in step 2m.
Abstract
Das Verfahren ermöglicht die satzbasierte automatische Zusammenfassung von Text auf einem Rechner. Dazu werden themenbezogene Lexika verwendet, die für jedes in ihnen enthaltene Wort ein Relevanzmaß bereitstellen. Jeder Satz des zusammenzufassenden Textes wird wortweise abgearbeitet und für jedes Wort eine Einzelworthäufigkeit, gewichtet mit dem Relevanzmaß, kumuliert. Für die Zusammenfassung werden die n Sätze mit der größten Wahrscheinlichkeit dafür, daß sie zu der Zusammenfassung gehören, wobei n ein vorgebbares Reduktionsmaß ist, zusammengestellt.
Description
Beschreibung
Verfahren zur automatischen Generierung einer Zusammenfassung von einem Text durch einen Rechner
Die Erfindung betrifft ein Verfahren zur automatischen Generierung einer Zusammenfassung von einem Text durch einen Rechner .
Aus [2] ist ein Verfahren zur automatischen Zusammenfassung eines Textes bekannt. Dabei werden
Merkmalswahrschemlichkeiten bestimmt, die eine automatische Zusammenfassung erlauben.
Heutzutage ist es schwierig und bisweilen mühsam, aus einer Flut von Information, die nach vorgebbar persönlichen Kriterien wichtige Information auszuwählen. Doch auch nach der Selektion stehen oftmals beinahe unerschöpfliche Massen an Daten, z.B. m Form von Artikeln, zur Verfugung. Da es mittels Rechnern ein Leichtes ist, große Datenmengen zu erfassen und zu verwalten, liegt es nahe, den Rechner auch zur Aufbereitung bzw. zur Selektion von Information zu benutzen. Eine solche automatische Informationsreduktion soll es einem Benutzer ermöglichen, eine deutlich geringere Datenmenge lesen zu müssen, um zu der für ihn relevanten Information zu gelangen.
Eine besondere Art der Informationsreduktion besteht m der Zusammenfassung von Texten.
Aus [1] ist ein Verfahren zur Zusammenfassung von Texten bekannt, das heuristische Merkmale mit diskretem Wertebereich benutzt. Die Wahrscheinlichkeit dafür, daß ein Satz aus dem Text zur Zusammenfassung gehört unter der Bedingung, daß ein heuristisches Merkmal einen bestimmten Wert hat, wird aus einer Trainingsmenge von Zusammenfassungen geschätzt.
Die Aufgabe der Erfindung besteht darin, automatisch eine Zusammenfassung aus einem vorgegebenen Text zu generieren, wobei diese Zusammenfassung m Kurzform die wesentlichen Inhalte des Textes wiedergeben soll.
Diese Aufgabe wird gemäß den Merkmalen des Patentanspruchs 1 gelost.
Das erfmdungsgemaße Verfahren ermöglicht eine Zusammenfassung eines Textes dadurch, daß für jeden Satz dieses Textes eine Wahrscheinlichkeit dafür ermittelt wird, daß der Satz zu der Zusammenfassung gehört. Dabei wird für jedes Wort m dem Satz aus einem Lexikon, das alle relevanten Worter mit einem vorgegebenen Relevanzmaß zu jedem dieser Worter enthalt, das Relevanzmaß ermittelt. Die Kumulation aller Relevanzmaße ergibt die Wahrscheinlichkeit für die Zugehörigkeit des Satzes zu der Zusammenfassung. Daraufhin werden alle Satze ihrer Wahrscheinlichkeit nach sortiert. Ein vorgebbares Reduktionsmaß, das angibt, wieviel Prozent des Originaltextes in der Zusammenfassung dargestellt werden, dient für die Auswahl der durch dieses Reduktionsmaß gegebenen Anzahl von Sätzen aus der sortierten Darstellung. Sind die wichtigsten x-Prozent Satze ausgewählt, so werden diese als Zusammenfassung des Textes m ihrer ursprünglichen, durch diesen Text gegebenen, Reihenfolge angezeigt.
Eine vorteilhafte Weiterbildung des erfmdungsgemaßen Verfahrens besteht darin, zusätzlich zu dem Relevanzmaß eine Emzelworthaufigkeit einzufuhren. Diese Emzelworthauflgkeit gibt an, wie oft das jeweils betrachtete Wort im gesamten zusammenzufassenden Text vorkommt. Unter Berücksichtigung des Relevanzmaßes und dieser neu eingeführten
Emzelworthaufigkeit kann die Wahrscheinlichkeit dafür, daß der jeweilige Satz m der Zusammenfassung enthalten ist, durch folgende Vorschrift angegeben werden:
wobei wκ(Satz) dιe Wahrscheinlichkeit für eine Zugehörigkeit des Satzes zu der Zusammenfassung,
N die Anzahl der insgesamt vorkommenden Wortern im
Satz, l eine Zahlvariable (ι=l, 2, ... , N) für alle Worter im Satz, tf die Häufigkeit des Auftretens des jeweils betrachteten Wortes im gesamten zusammenzufassenden Text (Emzelworthaufigkeit) und rlv das Relevanzmaß für das jeweilige Wort im Satz, bezeichnen.
Hierbei sei angemerkt, daß die im Lexikon vorkommenden Worter mit deren aus dem Lexikon bekannten Relevanzmaß rlv ausschlaggebend sind. Kommt ein Wort, das nicht dem Lexikon vorhanden ist, n mal vor, so erhöht dieses Wort die Wahrscheinlichkeit dafür, daß der Satz zur Zusammenfassung gehört, nicht.
Eine Weiterbildung des erf dungsgemaßen Verfahrens besteht darin, ein anwendungsspezifisches Lexikon zu verwenden. Dies bewirkt, daß die Zusammenfassung mit einem vorgebbaren sachspezifischen Filter durchgeführt wird. So wird beispielsweise ein auf Sportbeitrage spezifiziertes Lexikon einem zusammenzufassenden Text sportrelevante Worter mit einer höheren Relevanz bewerten, als ein Lexikon, das auf Zusammenfassungen wirtschaftlicher Beitrage spezialisiert ist. Es kann also vorteilhaft spezifisches Wissen über vorgebbare Kategorien durch den jeweiligen Kategorien entsprechende Lexika bereitgestellt werden.
Ferner ist es vorteilhaft, einen Text einer oder mehrerer Kategorien zuzuordnen. Dies kann automatisch durchgeführt
werden, indem spezielle vorgebbare Worter in den themenbezogenen Lexika als Auswahlkriterium f r eine Zuordnung zu dem jeweiligen Themengebiet herangezogen werden. Sind mehrere Kategorien (Themengebiete) , also unterschiedliche Blickwinkel bzw. Filter, für die Zusammenfassung eines Textes möglich, so können unterschiedliche Zusammenfassungen, für jede Kategorie eine, automatisch erstellt werden.
Die Erfindung wird anhand eines Ausfuhrungsbeispiels, das den Figuren dargestellt ist, weiter erläutert.
Es zeigen
Fig. 1 eine Skizze, die ein System zur automatischen Generierung einer Zusammenfassung darstellt,
Fig. 2 ein Blockdiagramm, das die Schritte des erfindungsgemaßen Verfahrens darstellt.
In Fig. 1 ist ein System angegeben, mit dem eine automatische Generierung einer Zusammenfassung von Text durch einen
Rechner durchgeführt wird. Ein zusammenzufassender Text kann entweder in geschriebener Form TXT, z.B. auf Papier, oder m digitaler Form DIGTXT, z.B. als Ergebnis einer Datenbankabfrage, vorliegen.
Um auch den Text in Papierform TXT erfmdungsgemaß bearbeiten zu können, ist es notwendig, diesen dem Rechner zuganglich zu machen. Dazu wird der Text TXT von Scanner SC eingelesen und als Bilddatei BD abgelegt. Eine Texterkennungssoftware OCR wandelt den als Bilddatei BD vorliegenden Text TXT m ein maschinenlesbares Format, z.B. ASCII-Format, um. Der digital vorliegende Text DIGTXT liegt schon im maschinenlesbaren Format vor.
Weiterhin seien eine vorgebbare Anzahl themenbezogener
Lexika, zu jedem Themengebiet ein Lexikon, vorrätig. In Fig. 1 sind die themenbezogenen Lexika angedeutet als Blöcke LEX1,
LEX2 und LEX3. Es sind vielerlei Arten denkbar, wie die Inhalte der themenbezogenen Lexika aufgebaut werden. Eine Möglichkeit besteht darin, kategorisierte Texte automatisch zu analysieren, indem Worthauflgkeiten als signifikantes Kriterium für die jeweilige Kategorie gewählt werden.
Anhand der Lexika ist es möglich, den zusammenzufassenden Text automatisch zu kategorisieren (im Block KatSel) , indem vorgebbare Worter in den themenbezogenen Lexika, wenn sie dem zusammenzufassenden Text vorkommen, den Ausschlag geben für eine Zusammenfassung in Bezug auf das jeweils betroffene themenbezogene Lexikon. In solch einem Fall wird eine zu αiesem Lexikon passende themengebundene Zusammenfassung erstellt .
Hierbei sei angemerkt, daß vorteilhaft die Worter m dem zusammenzufassenden Text auf ihre jeweilige Grundform zurückgeführt werden (dies geschieht m dem Block LEM) und jedes Wort einen Verweis auf seine Wortart erhalt (Block TAG) .
Für jede Kategorie (Thema) wird mittels des entsprechenden Lexikons die Zusammenfassung gemäß der Erfindung erstellt (im Block KatSel) . Es ergeben sich themenspezifische Zusammenfassungen ZFS1 und ZFS2.
Die Schritte die zur Zusammenfassung des Textes fuhren, sind ausführlich in Fig. 2 dargestellt. Der Übersicht halber sind die m Fig. 2 verwendeten Abkürzungen im folgenden zusammengefaßt:
SZ Satz,
WK(SZ) Wahrscheinlichkeit für Satz SZ,
W Wort, tf (W) Emzelworthaufigkeit des Wortes W (im Satz SZ) und rev(W) Relevanzmaß des Wortes W (im Satz SZ) .
Im Schritt 2a wird zu Beginn des erfindungsgemaßen Verfahrens der erste Satz ausgewählt und die Wahrscheinlichkeit dafür, daß dieser Satz der Zusammenfassung angehört, gleich 0 gesetzt. Im Schritt 2b wird das erste Wort dieses Satzes ausgewählt. Da sich die Wahrscheinlichkeit dafür, daß dieser Satz zu der Zusammenfassung gehört, aus den
Wahrscheinlichkeiten der einzelnen Worter zusammensetzt, wird für jedes Wort im Satz in der Schleife von Schritt 2c bis Schritt 2e die jeweilige Wahrscheinlichkeit zur Gesamtwahrschemlichkeit für den ganzen Satz kumuliert. Sind alle Worter im Satz abgearbeitet, wird die Wahrscheinlichkeit für den einzelnen Satz normiert durch d e Anzahl der Worter. Die beschriebenen Schritte werden für alle Satze im Text durchgeführt (Schritt 2g, 2h, 2ι) . Ist der letzte Satz im Text abgearbeitet, so werden die Satze nach ihrer
Wahrscheinlichkeit sortiert (Schritt 2j ) . Entsprechend einem vorgebbaren Reduktionsmaß werden im Schritt 2k die dem Reduktionsmaß entsprechenden n besten Satze ausgewählt und anschließend im Schritt 2m m ihrer ursprünglichen Reihenfolge angezeigt.
Literaturverzeichnis :
[1] J.Kupiec, J.Pedersen und F.Chen, "A Trainable Document Summarizer", Xerox, Palo Alto Research Center, 1995.
[2] EP 0 751 470 AI
Claims
1. Verfahren zur automatischen Generierung einer
Zusammenfassung von einem Text durch einen Rechner, a) bei dem für jeden Satz eine Wahrscheinlichkeit dafür ermittelt wird, daß der Satz zu der Zusammenfassung gehört, indem für jedes Wort m dem Satz aus einem Lexikon, das anwendungsspezifische Worter mit einem vorgegebenen Relevanzmaß zu jedem dieser Worter enthalt, das Relevanzmaß ermittelt wird und alle
Relevanzmaße kumuliert die Wahrscheinlichkeit für die Zugehörigkeit des Satzes zu der Zusammenfassung ergeben, b) bei dem alle Satze des Textes nach den Wahrscheinlichkeiten sortiert werden, c) bei dem entsprechend einem vorgebbaren Reduktionsmaß zur Zusammenfassung die besten Satze angezeigt werden in einer durch den Text gegebenen Reihenfolge.
2. Verfahren nach Anspruch 1, bei dem zusätzlich zu dem Relevanzmaß eine Emzelworthaufigkeit für jedes Wort ermittelt wird und die Wahrscheinlichkeit dafür, daß der jeweilige Satz m der Zusammenfassung enthalten ist, durch folgende Vorschrift bestimmt ist:
wobei wκ(Satz) dle Wahrscheinlichkeit für eine Zugehörigkeit des Satzes zu der Zusammenfassung, N die Anzahl der insgesamt vorkommenden Wortern im Satz, I eine Zahlvariable ( ι=l, 2, ... , N) für alle Worter im Satz,
tf die Häufigkeit des Auftretens des jeweils betrachteten Wortes im gesamten zusammenzufassenden Text
(Einzelworthäufigkeit) und rlv das Relevanzmaß für das jeweilige Wort im
Satz, bezeichnen.
3. Verfahren nach Anspruch 1 oder 2, bei dem der Text einer oder mehrerer Kategorien, für die jeweils ein anwendungsspezifisches Lexikon verwendet wird, zugeordnet wird.
4. Verfahren nach einem der Ansprüche 1 bis 3, bei dem für jede Zuordnung des Textes zu einer Kategorie eine anwendungsspezifische Zusammenfassung erstellt wird.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19711284 | 1997-03-18 | ||
DE19711284 | 1997-03-18 | ||
PCT/DE1998/000485 WO1998041930A1 (de) | 1997-03-18 | 1998-02-18 | Verfahren zur automatischen generierung einer zusammenfassung von einem text durch einen rechner |
Publications (1)
Publication Number | Publication Date |
---|---|
EP0968478A1 true EP0968478A1 (de) | 2000-01-05 |
Family
ID=7823794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
EP98914784A Withdrawn EP0968478A1 (de) | 1997-03-18 | 1998-02-18 | Verfahren zur automatischen generierung einer zusammenfassung von einem text durch einen rechner |
Country Status (4)
Country | Link |
---|---|
US (1) | US6401086B1 (de) |
EP (1) | EP0968478A1 (de) |
JP (1) | JP2001515623A (de) |
WO (1) | WO1998041930A1 (de) |
Families Citing this family (46)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6789230B2 (en) * | 1998-10-09 | 2004-09-07 | Microsoft Corporation | Creating a summary having sentences with the highest weight, and lowest length |
US7475334B1 (en) * | 2000-01-19 | 2009-01-06 | Alcatel-Lucent Usa Inc. | Method and system for abstracting electronic documents |
WO2002041634A2 (en) * | 2000-11-14 | 2002-05-23 | Koninklijke Philips Electronics N.V. | Summarization and/or indexing of programs |
US8799776B2 (en) * | 2001-07-31 | 2014-08-05 | Invention Machine Corporation | Semantic processor for recognition of whole-part relations in natural language documents |
US9009590B2 (en) * | 2001-07-31 | 2015-04-14 | Invention Machines Corporation | Semantic processor for recognition of cause-effect relations in natural language documents |
WO2003012661A1 (en) * | 2001-07-31 | 2003-02-13 | Invention Machine Corporation | Computer based summarization of natural language documents |
US6904564B1 (en) * | 2002-01-14 | 2005-06-07 | The United States Of America As Represented By The National Security Agency | Method of summarizing text using just the text |
US7549114B2 (en) * | 2002-02-21 | 2009-06-16 | Xerox Corporation | Methods and systems for incrementally changing text representation |
US7650562B2 (en) * | 2002-02-21 | 2010-01-19 | Xerox Corporation | Methods and systems for incrementally changing text representation |
US20040199408A1 (en) * | 2003-04-01 | 2004-10-07 | Johnson Tolbert R. | Medical information card |
US9275052B2 (en) | 2005-01-19 | 2016-03-01 | Amazon Technologies, Inc. | Providing annotations of a digital work |
US8131647B2 (en) | 2005-01-19 | 2012-03-06 | Amazon Technologies, Inc. | Method and system for providing annotations of a digital work |
US8234279B2 (en) * | 2005-10-11 | 2012-07-31 | The Boeing Company | Streaming text data mining method and apparatus using multidimensional subspaces |
US7831597B2 (en) * | 2005-11-18 | 2010-11-09 | The Boeing Company | Text summarization method and apparatus using a multidimensional subspace |
US7752204B2 (en) * | 2005-11-18 | 2010-07-06 | The Boeing Company | Query-based text summarization |
US8352449B1 (en) | 2006-03-29 | 2013-01-08 | Amazon Technologies, Inc. | Reader device content indexing |
US20080005284A1 (en) * | 2006-06-29 | 2008-01-03 | The Trustees Of The University Of Pennsylvania | Method and Apparatus For Publishing Textual Information To A Web Page |
US9672533B1 (en) | 2006-09-29 | 2017-06-06 | Amazon Technologies, Inc. | Acquisition of an item based on a catalog presentation of items |
US8725565B1 (en) | 2006-09-29 | 2014-05-13 | Amazon Technologies, Inc. | Expedited acquisition of a digital item following a sample presentation of the item |
US7865817B2 (en) | 2006-12-29 | 2011-01-04 | Amazon Technologies, Inc. | Invariant referencing in digital works |
US8024400B2 (en) | 2007-09-26 | 2011-09-20 | Oomble, Inc. | Method and system for transferring content from the web to mobile devices |
US7751807B2 (en) | 2007-02-12 | 2010-07-06 | Oomble, Inc. | Method and system for a hosted mobile management service architecture |
US9031947B2 (en) * | 2007-03-27 | 2015-05-12 | Invention Machine Corporation | System and method for model element identification |
US7716224B2 (en) | 2007-03-29 | 2010-05-11 | Amazon Technologies, Inc. | Search and indexing on a user device |
US9665529B1 (en) | 2007-03-29 | 2017-05-30 | Amazon Technologies, Inc. | Relative progress and event indicators |
US20080288488A1 (en) * | 2007-05-15 | 2008-11-20 | Iprm Intellectual Property Rights Management Ag C/O Dr. Hans Durrer | Method and system for determining trend potentials |
US8990215B1 (en) * | 2007-05-21 | 2015-03-24 | Amazon Technologies, Inc. | Obtaining and verifying search indices |
US20080301579A1 (en) * | 2007-06-04 | 2008-12-04 | Yahoo! Inc. | Interactive interface for navigating, previewing, and accessing multimedia content |
US9087032B1 (en) * | 2009-01-26 | 2015-07-21 | Amazon Technologies, Inc. | Aggregation of highlights |
US8378979B2 (en) | 2009-01-27 | 2013-02-19 | Amazon Technologies, Inc. | Electronic device with haptic feedback |
US8666730B2 (en) * | 2009-03-13 | 2014-03-04 | Invention Machine Corporation | Question-answering system and method based on semantic labeling of text documents and user questions |
KR20110136843A (ko) * | 2009-03-13 | 2011-12-21 | 인벤션 머신 코포레이션 | 지식 검색을 위한 시스템 및 방법 |
US8832584B1 (en) | 2009-03-31 | 2014-09-09 | Amazon Technologies, Inc. | Questions on highlighted passages |
US8692763B1 (en) | 2009-09-28 | 2014-04-08 | John T. Kim | Last screen rendering for electronic book reader |
US9495322B1 (en) | 2010-09-21 | 2016-11-15 | Amazon Technologies, Inc. | Cover display |
US9760566B2 (en) | 2011-03-31 | 2017-09-12 | Microsoft Technology Licensing, Llc | Augmented conversational understanding agent to identify conversation context between two humans and taking an agent action thereof |
US9858343B2 (en) | 2011-03-31 | 2018-01-02 | Microsoft Technology Licensing Llc | Personalization of queries, conversations, and searches |
US9244984B2 (en) | 2011-03-31 | 2016-01-26 | Microsoft Technology Licensing, Llc | Location based conversational understanding |
US10642934B2 (en) | 2011-03-31 | 2020-05-05 | Microsoft Technology Licensing, Llc | Augmented conversational understanding architecture |
US9298287B2 (en) | 2011-03-31 | 2016-03-29 | Microsoft Technology Licensing, Llc | Combined activation for natural user interface systems |
US9842168B2 (en) | 2011-03-31 | 2017-12-12 | Microsoft Technology Licensing, Llc | Task driven user intents |
US9454962B2 (en) * | 2011-05-12 | 2016-09-27 | Microsoft Technology Licensing, Llc | Sentence simplification for spoken language understanding |
US9064006B2 (en) | 2012-08-23 | 2015-06-23 | Microsoft Technology Licensing, Llc | Translating natural language utterances to keyword search queries |
US9158741B1 (en) | 2011-10-28 | 2015-10-13 | Amazon Technologies, Inc. | Indicators for navigating digital works |
CN108090094A (zh) * | 2016-11-23 | 2018-05-29 | 北京国双科技有限公司 | 一种文本信息分类方法及系统 |
CN110162778B (zh) * | 2019-04-02 | 2023-05-26 | 创新先进技术有限公司 | 文本摘要的生成方法及装置 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4965763A (en) * | 1987-03-03 | 1990-10-23 | International Business Machines Corporation | Computer method for automatic extraction of commonly specified information from business correspondence |
US4930077A (en) * | 1987-04-06 | 1990-05-29 | Fan David P | Information processing expert system for text analysis and predicting public opinion based information available to the public |
JP2783558B2 (ja) * | 1988-09-30 | 1998-08-06 | 株式会社東芝 | 要約生成方法および要約生成装置 |
JP2790466B2 (ja) * | 1988-10-18 | 1998-08-27 | 株式会社日立製作所 | 文字列検索方法及び装置 |
JPH03278270A (ja) * | 1990-03-28 | 1991-12-09 | Ricoh Co Ltd | 抄録文作成装置 |
US5317507A (en) * | 1990-11-07 | 1994-05-31 | Gallant Stephen I | Method for document retrieval and for word sense disambiguation using neural networks |
US5325298A (en) * | 1990-11-07 | 1994-06-28 | Hnc, Inc. | Methods for generating or revising context vectors for a plurality of word stems |
EP0702311A1 (de) * | 1994-09-14 | 1996-03-20 | Kabushiki Kaisha Toshiba | Datenverarbeitungssystem, Datenwiederauffindungssystem, Datenverarbeitungsverfahren und Datenwiederauffindungsverfahren |
JPH08305695A (ja) * | 1995-04-28 | 1996-11-22 | Fujitsu Ltd | 文書処理装置 |
US5887120A (en) * | 1995-05-31 | 1999-03-23 | Oracle Corporation | Method and apparatus for determining theme for discourse |
US5778397A (en) | 1995-06-28 | 1998-07-07 | Xerox Corporation | Automatic method of generating feature probabilities for automatic extracting summarization |
WO1997008604A2 (en) * | 1995-08-16 | 1997-03-06 | Syracuse University | Multilingual document retrieval system and method using semantic vector matching |
US5963940A (en) * | 1995-08-16 | 1999-10-05 | Syracuse University | Natural language information retrieval system and method |
US6026388A (en) * | 1995-08-16 | 2000-02-15 | Textwise, Llc | User interface and other enhancements for natural language information retrieval system and method |
US5963893A (en) * | 1996-06-28 | 1999-10-05 | Microsoft Corporation | Identification of words in Japanese text by a computer system |
-
1998
- 1998-02-18 EP EP98914784A patent/EP0968478A1/de not_active Withdrawn
- 1998-02-18 JP JP54000698A patent/JP2001515623A/ja active Pending
- 1998-02-18 WO PCT/DE1998/000485 patent/WO1998041930A1/de not_active Application Discontinuation
-
1999
- 1999-09-16 US US09/381,180 patent/US6401086B1/en not_active Expired - Fee Related
Non-Patent Citations (1)
Title |
---|
See references of WO9841930A1 * |
Also Published As
Publication number | Publication date |
---|---|
US6401086B1 (en) | 2002-06-04 |
JP2001515623A (ja) | 2001-09-18 |
WO1998041930A1 (de) | 1998-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO1998041930A1 (de) | Verfahren zur automatischen generierung einer zusammenfassung von einem text durch einen rechner | |
DE69726339T2 (de) | Verfahren und Apparat zur Sprachübersetzung | |
DE19952769B4 (de) | Suchmaschine und Verfahren zum Abrufen von Informationen mit Abfragen in natürlicher Sprache | |
DE3901485C2 (de) | Verfahren und Vorrichtung zur Durchführung des Verfahrens zur Wiedergewinnung von Dokumenten | |
DE602004003361T2 (de) | System und verfahren zur erzeugung von verfeinerungskategorien für eine gruppe von suchergebnissen | |
DE4015905C2 (de) | Sprachanalyseeinrichtung, -verfahren und -programm | |
DE69822687T2 (de) | Vorrichtung und Verfahren zur Zusammenfassung | |
DE69930690T2 (de) | Verfahren und Gerät um einen Index herzustellen, Benutzung von einem Index und ein Speichermedium | |
DE69434620T2 (de) | Verfahren und Gerät zum Herstellen, Indexieren und Anschauen von zusammengefassten Dokumenten | |
DE69432575T2 (de) | Dokumentenerkennungssystem mit verbesserter Wirksamkeit der Dokumentenerkennung | |
DE69530816T2 (de) | Textbearbeitungssystem und Verfahren unter Verwendung einer Wissensbasis | |
DE69829389T2 (de) | Textnormalisierung unter verwendung einer kontextfreien grammatik | |
DE102004003878A1 (de) | System und Verfahren zum Identifizieren eines speziellen Wortgebrauchs in einem Dokument | |
DE10343228A1 (de) | Verfahren und Systeme zum Organisieren elektronischer Dokumente | |
DE102005032734B4 (de) | Indexextraktion von Dokumenten | |
DE10308550A1 (de) | System und Verfahren zur automatischen Daten-Prüfung und -Korrektur | |
DE60319586T2 (de) | Elektronisches wörterbuch mit beispielsätzen | |
DE19922974A1 (de) | Verfahren und Vorrichtung zur Bearbeitung eines Dokuments | |
WO2005119580A1 (de) | Verfahren und einrichtung zur strukturanalyse eines dokuments | |
DE19849855C1 (de) | Verfahren zur automatischen Generierung einer textlichen Äußerung aus einer Bedeutungsrepräsentation durch ein Computersystem | |
EP2221735A2 (de) | Verfahren zum automatischen Klassifizieren eines Textes durch ein Computersystem | |
WO2001006451A1 (de) | Verfahren zur bildung und/oder aktualisierung von wörterbüchern zum automatischen adresslesen | |
DE102005032733A1 (de) | Indexextraktion von Dokumenten | |
DE10057634C2 (de) | Verfahren zur Verarbeitung von Text in einer Rechnereinheit und Rechnereinheit | |
EP2273383A1 (de) | Verfahren und Vorrichtung zur automatischen Suche nach Dokumenten in einem Datenspeicher |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PUAI | Public reference made under article 153(3) epc to a published international application that has entered the european phase |
Free format text: ORIGINAL CODE: 0009012 |
|
17P | Request for examination filed |
Effective date: 19990903 |
|
AK | Designated contracting states |
Kind code of ref document: A1 Designated state(s): DE FR GB |
|
STAA | Information on the status of an ep patent application or granted ep patent |
Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN |
|
18D | Application deemed to be withdrawn |
Effective date: 20030902 |