EP0968478A1 - Method for automatically generating a summarized text by a computer - Google Patents

Method for automatically generating a summarized text by a computer

Info

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Withdrawn
Application number
EP98914784A
Other languages
German (de)
French (fr)
Inventor
Thomas BRÜCKNER
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Original Assignee
Siemens AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Publication of EP0968478A1 publication Critical patent/EP0968478A1/en
Withdrawn legal-status Critical Current

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

Abstract

The inventive method enables sentence-based automatic summary of a text on a computer. Subject-related lexica are used which provide a measure of relevance for every word contained therein. Each sentence of the text to be summarized is processed word by word and the frequency of each individual word is computed and weighted with the measure of relevance. In order to carry out the summary, sentences (n) with the highest probability of being included in said summary are compiled, wherein (n) is a predefinable reduction variable.

Description

Beschreibungdescription
Verfahren zur automatischen Generierung einer Zusammenfassung von einem Text durch einen RechnerMethod for the automatic generation of a summary of a text by a computer
Die Erfindung betrifft ein Verfahren zur automatischen Generierung einer Zusammenfassung von einem Text durch einen Rechner .The invention relates to a method for the automatic generation of a summary of a text by a computer.
Aus [2] ist ein Verfahren zur automatischen Zusammenfassung eines Textes bekannt. Dabei werdenA method for automatically summarizing a text is known from [2]. In doing so
Merkmalswahrschemlichkeiten bestimmt, die eine automatische Zusammenfassung erlauben.Characteristic probabilities determined that allow an automatic summary.
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.Nowadays it is difficult and sometimes tedious to select the information that is important according to personal criteria that can be specified from a flood of information. But even after the selection, there are often almost inexhaustible masses of data, e.g. m form of articles, available. Since it is easy to use computers to record and manage large amounts of data, it makes sense to use the computer to process or select information. Such an automatic information reduction is intended to enable a user to have to read a significantly smaller amount of data in order to arrive at the information relevant to him.
Eine besondere Art der Informationsreduktion besteht m der Zusammenfassung von Texten.A special type of information reduction consists in the merging of texts.
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.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.
Diese Aufgabe wird gemäß den Merkmalen des Patentanspruchs 1 gelost.This object is achieved according to the features of claim 1.
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.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.
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 eingeführtenAn 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
Emzelworthaufigkeit kann die Wahrscheinlichkeit dafür, daß der jeweilige Satz m der Zusammenfassung enthalten ist, durch folgende Vorschrift angegeben werden: The frequency of the individual sentence m in the summary can be specified by the following rule:
wobei wκ(Satz) dιe Wahrscheinlichkeit für eine Zugehörigkeit des Satzes zu der Zusammenfassung,where wκ (sentence ) is the probability of the sentence belonging to the summary,
N die Anzahl der insgesamt vorkommenden Wortern imN is the total number of words in the
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.Sentence, l is a number variable (ι = l, 2, ..., N) for all words in the sentence, tf the frequency of the occurrence of the word in question in the entire text to be summarized (frequency of individual words) and rlv the relevance measure for the respective word in the sentence , describe.
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.It should be noted here that the words occurring in the lexicon with their relevance measure rlv known from the lexicon are decisive. If a word that does not exist in the lexicon occurs n times, this word does not increase the probability that the sentence belongs to the summary.
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.A further development of the method according to the invention consists in using an application-specific lexicon. This means that the summary is carried out with a predefinable subject-specific filter. For example, 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.
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.It 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.
Die Erfindung wird anhand eines Ausfuhrungsbeispiels, das den Figuren dargestellt ist, weiter erläutert.The invention is further explained on the basis of an exemplary embodiment which is shown in the figures.
Es zeigenShow it
Fig. 1 eine Skizze, die ein System zur automatischen Generierung einer Zusammenfassung darstellt,1 is a sketch illustrating a system for automatically generating a summary;
Fig. 2 ein Blockdiagramm, das die Schritte des erfindungsgemaßen Verfahrens darstellt.Fig. 2 is a block diagram illustrating the steps of the method according to the invention.
In Fig. 1 ist ein System angegeben, mit dem eine automatische Generierung einer Zusammenfassung von Text durch einen1 shows a system with which an automatic generation of a summary of text by a
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.Calculator is performed. 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.
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.In order to be able to edit the text in paper form TXT in accordance with the invention, it is necessary to make it accessible to the computer. For this purpose, 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.
Weiterhin seien eine vorgebbare Anzahl themenbezogenerFurthermore, a predeterminable number of topic-related
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.Encyclopedias, a lexicon for every subject, in stock. In Fig. 1, the subject-related encyclopedias are indicated as blocks LEX1, LEX2 and LEX3. There are many ways in which the contents of the subject-related encyclopedias are structured. One possibility is to automatically analyze categorized texts by choosing word clues as a significant criterion for the respective category.
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 .On the basis of the lexica it is possible to automatically categorize the text to be summarized (in the KatSel block), in that predefinable words in the topic-related lexica, if they appear in the text to be summarized, are decisive for a summary in relation to the relevant topic-related lexicon. In such a case, a subject-related summary will be created that matches this lexicon.
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) .It should be noted here that the words m in the text to be summarized are advantageously returned to their respective basic form (this is done in the block LEM) and that each word is given a reference to its part of speech (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.For each category (topic), the summary according to the invention is created using the corresponding lexicon (in the KatSel block). There are subject-specific summaries ZFS1 and 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:The steps leading to the summary of the text are shown in detail in FIG. 2. For the sake of clarity, the abbreviations used in FIG. 2 are summarized below:
SZ Satz,SZ set,
WK(SZ) Wahrscheinlichkeit für Satz SZ,WK (SZ) probability for sentence 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 denW word, tf (W) Emzelworth frequency of the word W (in the sentence SZ) and rev (W) relevance measure of the word W (in the sentence SZ). In 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. In step 2b, the first word of this sentence is selected. Since the probability that this sentence belongs to the summary is derived from the
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 ihrerIf 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, 2ι). If the last sentence in the text has been processed, the sentences are after their
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. 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.
Literaturverzeichnis :Bibliography :
[1] J.Kupiec, J.Pedersen und F.Chen, "A Trainable Document Summarizer", Xerox, Palo Alto Research Center, 1995.[1] J.Kupiec, J.Pedersen and F.Chen, "A Trainable Document Summarizer", Xerox, Palo Alto Research Center, 1995.
[2] EP 0 751 470 AI [2] EP 0 751 470 AI

Claims

Patentansprüche claims
1. Verfahren zur automatischen Generierung einer1. Procedure for the automatic generation of a
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 alleSummary of a text by a computer, a) in which a probability is determined for each sentence that the sentence belongs to the summary by, for each word m the sentence from a lexicon, the application-specific words with a predetermined relevance measure for each of these Contains words, the relevance measure is determined and all
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.Relevance measures cumulatively result in the probability of the sentence belonging to the summary, b) in which all sentences of the text are sorted according to the probabilities, c) in which, according to a predeterminable reduction measure for the summary, the best sentences are displayed in an order given by the text .
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:2. The method as claimed in claim 1, in which, in addition to the relevance measure, a frequency of emzelf is determined for each word and the probability that the respective sentence m is included in the summary is determined by the following rule:
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 Textwherein wκ (set) dle probability of membership of the set to the summary, N the total number of these words occurring in a sentence, I is a number variable (ι = l, 2, ..., N) for all the words in the sentence, tf the frequency of the occurrence of the word in question in the entire text to be summarized
(Einzelworthäufigkeit) und rlv das Relevanzmaß für das jeweilige Wort im(Frequency of individual words) and rlv the measure of relevance for the respective word in
Satz, bezeichnen.Sentence, denote.
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.3. The method according to claim 1 or 2, wherein the text is assigned to one or more categories, for each of which an application-specific lexicon is used.
4. Verfahren nach einem der Ansprüche 1 bis 3, bei dem für jede Zuordnung des Textes zu einer Kategorie eine anwendungsspezifische Zusammenfassung erstellt wird. 4. The method according to any one of claims 1 to 3, in which an application-specific summary is created for each assignment of the text to a category.
EP98914784A 1997-03-18 1998-02-18 Method for automatically generating a summarized text by a computer Withdrawn EP0968478A1 (en)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE19711284 1997-03-18
DE19711284 1997-03-18
PCT/DE1998/000485 WO1998041930A1 (en) 1997-03-18 1998-02-18 Method for automatically generating a summarized text by a computer

Publications (1)

Publication Number Publication Date
EP0968478A1 true EP0968478A1 (en) 2000-01-05

Family

ID=7823794

Family Applications (1)

Application Number Title Priority Date Filing Date
EP98914784A Withdrawn EP0968478A1 (en) 1997-03-18 1998-02-18 Method for automatically generating a summarized text by a computer

Country Status (4)

Country Link
US (1) US6401086B1 (en)
EP (1) EP0968478A1 (en)
JP (1) JP2001515623A (en)
WO (1) WO1998041930A1 (en)

Families Citing this family (46)

* Cited by examiner, † Cited by third party
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
CN1483288A (en) * 2000-11-14 2004-03-17 皇家菲利浦电子有限公司 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
US7251781B2 (en) * 2001-07-31 2007-07-31 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
US8131647B2 (en) 2005-01-19 2012-03-06 Amazon Technologies, Inc. Method and system for providing annotations of a digital work
US9275052B2 (en) 2005-01-19 2016-03-01 Amazon Technologies, Inc. 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
US7752204B2 (en) * 2005-11-18 2010-07-06 The Boeing Company Query-based text summarization
US7831597B2 (en) * 2005-11-18 2010-11-09 The Boeing Company Text summarization method and apparatus using a multidimensional subspace
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
US9665529B1 (en) 2007-03-29 2017-05-30 Amazon Technologies, Inc. Relative progress and event indicators
US7716224B2 (en) 2007-03-29 2010-05-11 Amazon Technologies, Inc. Search and indexing on a user device
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
CN102439594A (en) * 2009-03-13 2012-05-02 发明机器公司 System and method for knowledge research
KR20110134909A (en) * 2009-03-13 2011-12-15 인벤션 머신 코포레이션 Question-answering system and method based on semantic labeling of text documents and user question
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
US9244984B2 (en) 2011-03-31 2016-01-26 Microsoft Technology Licensing, Llc Location based conversational understanding
US9298287B2 (en) 2011-03-31 2016-03-29 Microsoft Technology Licensing, Llc Combined activation for natural user interface systems
US9858343B2 (en) 2011-03-31 2018-01-02 Microsoft Technology Licensing Llc Personalization of queries, conversations, and searches
US9842168B2 (en) 2011-03-31 2017-12-12 Microsoft Technology Licensing, Llc Task driven user intents
US10642934B2 (en) 2011-03-31 2020-05-05 Microsoft Technology Licensing, Llc Augmented conversational understanding architecture
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
US9064006B2 (en) 2012-08-23 2015-06-23 Microsoft Technology Licensing, Llc Translating natural language utterances to keyword search queries
US9454962B2 (en) * 2011-05-12 2016-09-27 Microsoft Technology Licensing, Llc Sentence simplification for spoken language understanding
US9158741B1 (en) 2011-10-28 2015-10-13 Amazon Technologies, Inc. Indicators for navigating digital works
CN108090094A (en) * 2016-11-23 2018-05-29 北京国双科技有限公司 A kind of text message sorting technique and system
CN110162778B (en) * 2019-04-02 2023-05-26 创新先进技术有限公司 Text abstract generation method and device

Family Cites Families (15)

* Cited by examiner, † Cited by third party
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 (en) * 1988-09-30 1998-08-06 株式会社東芝 Summary generation method and summary generation device
JP2790466B2 (en) * 1988-10-18 1998-08-27 株式会社日立製作所 Character string search method and apparatus
JPH03278270A (en) * 1990-03-28 1991-12-09 Ricoh Co Ltd Abstract document forming device
US5325298A (en) * 1990-11-07 1994-06-28 Hnc, Inc. Methods for generating or revising context vectors for a plurality of word stems
US5317507A (en) * 1990-11-07 1994-05-31 Gallant Stephen I Method for document retrieval and for word sense disambiguation using neural networks
US5799299A (en) * 1994-09-14 1998-08-25 Kabushiki Kaisha Toshiba Data processing system, data retrieval system, data processing method and data retrieval method
JPH08305695A (en) * 1995-04-28 1996-11-22 Fujitsu Ltd Document processor
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
US5963940A (en) * 1995-08-16 1999-10-05 Syracuse University Natural language information retrieval system and method
WO1997008604A2 (en) * 1995-08-16 1997-03-06 Syracuse University Multilingual document retrieval system and method using semantic vector matching
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See references of WO9841930A1 *

Also Published As

Publication number Publication date
US6401086B1 (en) 2002-06-04
JP2001515623A (en) 2001-09-18
WO1998041930A1 (en) 1998-09-24

Similar Documents

Publication Publication Date Title
EP0968478A1 (en) Method for automatically generating a summarized text by a computer
DE69726339T2 (en) Method and apparatus for language translation
DE19952769B4 (en) Search engine and method for retrieving information using natural language queries
DE3901485C2 (en) Method and device for carrying out the method for recovering documents
DE602004003361T2 (en) SYSTEM AND METHOD FOR GENERATING REFINEMENT CATEGORIES FOR A GROUP OF SEARCH RESULTS
DE4015905C2 (en) Speech analysis device, method and program
DE69822687T2 (en) Summary apparatus and method
DE69930690T2 (en) Method and device for producing an index, use of an index and a storage medium
DE69434620T2 (en) Method and device for producing, indexing and viewing summarized documents
DE69432575T2 (en) Document recognition system with improved effectiveness of document recognition
DE69530816T2 (en) Text editing system and method using a knowledge base
DE102004003878A1 (en) System and method for identifying a particular word usage in a document
DE10343228A1 (en) Methods and systems for organizing electronic documents
DE102005032734B4 (en) Index extraction of documents
DE10308550A1 (en) System and method for automatic data checking and correction
DE60319586T2 (en) ELECTRONIC DICTIONARY WITH EXAMPLE SETS
DE19922974A1 (en) Method and device for processing a document
WO2005119580A1 (en) Method and device for the structural analysis of a document
DE10028624B4 (en) Method and device for document procurement
DE19849855C1 (en) Method for using a computer system to generate a text expression automatically while retaining meaning determines a statistical model on a number of preset pairs of word meanings and associated expressions.
EP2221735A2 (en) Method for automatic classification of a text with a computer system
WO2001006451A1 (en) Method for creating and/or updating dictionaries for automatically reading addresses
DE102005032733A1 (en) Index extraction of documents
DE10057634C2 (en) Process for processing text in a computer unit and computer unit
EP2273383A1 (en) Method and device for automatic searching for documents in a data storage device

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