KR102565149B1 - Apparatus and method for providing summary of document - Google Patents

Apparatus and method for providing summary of document Download PDF

Info

Publication number
KR102565149B1
KR102565149B1 KR1020210068668A KR20210068668A KR102565149B1 KR 102565149 B1 KR102565149 B1 KR 102565149B1 KR 1020210068668 A KR1020210068668 A KR 1020210068668A KR 20210068668 A KR20210068668 A KR 20210068668A KR 102565149 B1 KR102565149 B1 KR 102565149B1
Authority
KR
South Korea
Prior art keywords
solution
sentences
sentence
processor
coverage
Prior art date
Application number
KR1020210068668A
Other languages
Korean (ko)
Other versions
KR20210146833A (en
Inventor
정치훈
Original Assignee
정치훈
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 정치훈 filed Critical 정치훈
Publication of KR20210146833A publication Critical patent/KR20210146833A/en
Application granted granted Critical
Publication of KR102565149B1 publication Critical patent/KR102565149B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/258—Heading extraction; Automatic titling; Numbering
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Machine Translation (AREA)

Abstract

본 문서에 개시되는 일 실시 예에 따른 문서의 요약문 제공 장치는, 외부로부터 원본 문서를 수신하는 통신 회로, 원본 문서를 저장하는 메모리, 및 통신 회로 및 메모리와 전기적으로 연결된 프로세서를 포함하고, 프로세서는 유전 알고리즘을 이용하여 원본 문서에 포함된 분석 대상 문장 각각에 대응하는 복수의 유전자를 포함하고 분석 대상 문장으로부터 요약문의 생성을 위해 선택된 일부 문장을 나타내는 솔루션을 미리 설정된 요약문 길이 조건을 만족하도록 생성하고, 원본 문서에 포함된 분석 대상 문장과 솔루션에 대응하는 선택된 일부 문장 사이의 유사도와 연관된 제1 목적 함수를 이용하여 솔루션에 대한 커버리지를 산출하고, 솔루션에 대응하는 선택된 일부 문장 사이의 유사도와 연관된 제2 목적 함수를 이용하여 솔루션에 대한 다이버시티를 산출하고, 유전 알고리즘에 의해 생성된 복수의 솔루션 각각에 대한 커버리지 및 다이버시티에 기초하여 지정된 최적화 조건을 만족하는 하나 이상의 솔루션 각각에 대응하는 하나 이상의 요약문을 제공할 수 있다.An apparatus for providing a summary of a document according to an embodiment disclosed in this document includes a communication circuit for receiving an original document from the outside, a memory for storing the original document, and a processor electrically connected to the communication circuit and the memory, the processor comprising: Using a genetic algorithm, a solution including a plurality of genes corresponding to each of the sentences to be analyzed included in the original document and representing some sentences selected for generating a summary from the sentence to be analyzed is generated to satisfy a preset summary length condition, The coverage for the solution is calculated using a first objective function associated with the similarity between the sentence to be analyzed included in the original document and the selected partial sentence corresponding to the solution, and the second objective function is associated with the similarity between the selected partial sentence corresponding to the solution. Diversity for a solution is calculated using an objective function, and one or more summaries corresponding to each of one or more solutions satisfying specified optimization conditions are generated based on the coverage and diversity for each of a plurality of solutions generated by the genetic algorithm. can provide

Description

문서의 요약문 제공 장치 및 방법{APPARATUS AND METHOD FOR PROVIDING SUMMARY OF DOCUMENT}Apparatus and method for providing a summary of a document {APPARATUS AND METHOD FOR PROVIDING SUMMARY OF DOCUMENT}

본 문서에서 개시되는 실시 예들은 문서에 대한 요약문을 제공하기 위한 장치 및 방법과 관련된다.Embodiments disclosed in this document relate to an apparatus and method for providing a summary of a document.

ICT 분야의 발전으로 인해, 인간에게 공유되는 정보의 양은 크고 급격하게 증가했다. 기술의 발전에 따라 사람들 사이의 정보 공유 활동이 용이해졌으나, 아이러니하게도 개인들은 잘못된 정보 또는 허위 정보 등을 필터링하고, 고품질의 정보 소스로부터 적절한 컨텐츠를 발견하기 위해 더 많은 시간을 할애하고 있다. 개인들이 낭비하는 시간을 감소시키기 위해 다양한 자동화 기술이 연구되고 개발되었으나, 사용자들의 부담을 충분히 덜어주지는 못하고 있다.Due to the development of the ICT field, the amount of information shared by humans has increased significantly and rapidly. Although information sharing activities among people have become easier with the development of technology, ironically, individuals spend more time filtering out false or misleading information and discovering appropriate content from high-quality information sources. Although various automation technologies have been researched and developed to reduce the time wasted by individuals, they have not sufficiently relieved the burden of users.

신속하게 불필요한 정보를 필터링하고 적합한 컨텐츠를 발견하기 위해서는 텍스트 정보에 대한 요약을 제공하는 시스템이 요구될 수 있다. 자동화된 방법에 의한 요약문을 이용함으로써 사용자는 범람하는 정보를 더욱 효과적으로 선별할 수 있다.A system that provides a summary of textual information may be desired in order to quickly filter out unnecessary information and find suitable content. By using the abstract by the automated method, the user can more effectively sort out the overflowing information.

문서의 요약문을 제공하기 위해 요약문을 추출하는 다양한 알고리즘이 활용될 수 있고, 추출된 요약문을 평가하는 다양한 기법이 활용될 수 있다. 요약문 추출 시 유전 알고리즘을 활용하는 경우, 필연적으로 고려해야 할 솔루션이 과도하게 많아지므로 매우 긴 처리 시간이 요구될 수 있다. 한편, 요약문의 평가 시 요약문의 퀄리티를 명확하게 반영할 수 있는 요인을 설정해야 하고, 다양한 요인을 균형있게 고려할 필요성이 있다.In order to provide a summary of the document, various algorithms for extracting the summary can be used, and various techniques for evaluating the extracted summary can be used. In the case of using a genetic algorithm when extracting a summary, a very long processing time may be required because there are inevitably an excessive number of solutions to be considered. On the other hand, when evaluating a summary statement, it is necessary to set factors that can clearly reflect the quality of the summary statement, and it is necessary to consider various factors in a balanced way.

본 발명의 실시 예들은, 요약문의 생성을 위한 유전 알고리즘의 처리 속도를 향상시키고, 요약문 솔루션의 적절한 선별을 가능하게 하는 장치 및 방법을 제공하기 위한 것이다.Embodiments of the present invention are intended to provide an apparatus and method for improving the processing speed of a genetic algorithm for generating a summary sentence and enabling proper selection of a summary sentence solution.

본 문서에 개시되는 일 실시 예에 따른 문서의 요약문 제공 장치는, 외부로부터 원본 문서를 수신하는 통신 회로, 원본 문서를 저장하는 메모리, 및 통신 회로 및 메모리와 전기적으로 연결된 프로세서를 포함하고, 프로세서는 유전 알고리즘을 이용하여 원본 문서에 포함된 분석 대상 문장 각각에 대응하는 복수의 유전자를 포함하고 분석 대상 문장으로부터 요약문의 생성을 위해 선택된 일부 문장을 나타내는 솔루션을 미리 설정된 요약문 길이 조건을 만족하도록 생성하고, 원본 문서에 포함된 분석 대상 문장과 솔루션에 대응하는 선택된 일부 문장 사이의 유사도와 연관된 제1 목적 함수를 이용하여 솔루션에 대한 커버리지를 산출하고, 솔루션에 대응하는 선택된 일부 문장 사이의 유사도와 연관된 제2 목적 함수를 이용하여 솔루션에 대한 다이버시티를 산출하고, 유전 알고리즘에 의해 생성된 복수의 솔루션 각각에 대한 커버리지 및 다이버시티에 기초하여 지정된 최적화 조건을 만족하는 하나 이상의 솔루션 각각에 대응하는 하나 이상의 요약문을 제공할 수 있다.An apparatus for providing a summary of a document according to an embodiment disclosed in this document includes a communication circuit for receiving an original document from the outside, a memory for storing the original document, and a processor electrically connected to the communication circuit and the memory, the processor comprising: Using a genetic algorithm, a solution including a plurality of genes corresponding to each of the sentences to be analyzed included in the original document and representing some sentences selected for generating a summary from the sentence to be analyzed is generated to satisfy a preset summary length condition, The coverage for the solution is calculated using a first objective function associated with the similarity between the sentence to be analyzed included in the original document and the selected partial sentence corresponding to the solution, and the second objective function is associated with the similarity between the selected partial sentence corresponding to the solution. Diversity for a solution is calculated using an objective function, and one or more summaries corresponding to each of one or more solutions satisfying specified optimization conditions are generated based on the coverage and diversity for each of a plurality of solutions generated by the genetic algorithm. can provide

일 실시 예에 따르면, 프로세서는 유전 알고리즘을 이용하여 솔루션의 초기화를 수행하는 경우, 솔루션에 포함된 복수의 유전자의 값을 순차적으로 설정하되, 미리 설정된 요약문 길이 조건에 기초하여 상기 복수의 유전자의 값을 결정하기 위해 사용되는 확률 값을 조절할 수 있다.According to an embodiment, when a solution is initialized using a genetic algorithm, the processor sequentially sets the values of a plurality of genes included in the solution, but the values of the plurality of genes are based on a preset summary length condition. You can adjust the probability value used to determine .

일 실시 예에 따르면, 프로세서는 유전 알고리즘을 이용하여 솔루션의 변이를 수행하는 경우, 미리 설정된 요약문 길이 조건 및 솔루션에 대응하는 요약문의 길이 정보에 기초하여 솔루션에 포함된 복수의 유전자의 변이 여부를 결정할 수 있다.According to an embodiment, when a solution is mutated using a genetic algorithm, the processor determines whether a plurality of genes included in the solution are mutated based on a preset summary sentence length condition and summary sentence length information corresponding to the solution. can

일 실시 예에 따르면, 프로세서는 유전 알고리즘을 이용하여 솔루션과 다른 솔루션의 교차를 수행하는 경우, 솔루션에서 선택된 유전자에 대응하는 요약문의 길이 정보 및 다른 솔루션에서 선택된 유전자에 대응하는 요약문의 길이 정보에 기초하여 교차의 수행 여부를 결정할 수 있다.According to an embodiment, when the processor crosses a solution with another solution using a genetic algorithm, the processor is based on length information of a summary corresponding to a gene selected from a solution and length information of a summary corresponding to a gene selected from another solution. Thus, it is possible to determine whether or not the intersection is to be performed.

일 실시 예에 따르면, 커버리지는 분석 대상 문장에 대응하는 벡터와 선택된 일부 문장에 대응하는 벡터 사이의 유사도 및 분석 대상 문장에 대응하는 벡터와 선택된 일부 문장 각각에 대응하는 복수의 문장 벡터 각각 사이의 유사도에 기초하여 산출될 수 있다.According to an embodiment, the coverage is a degree of similarity between a vector corresponding to an analysis target sentence and a vector corresponding to selected partial sentences, and a similarity between a vector corresponding to an analysis target sentence and a plurality of sentence vectors corresponding to each selected partial sentence. can be calculated based on

일 실시 예에 따르면, 커버리지는 미리 저장된 지식 기반(knowledge-based) 데이터베이스에 기초하여 산출되는 선택된 일부 문장에 포함된 단어의 중요도에 기초하여 산출될 수 있다.According to an embodiment, the coverage may be calculated based on the importance of words included in selected partial sentences calculated based on a pre-stored knowledge-based database.

일 실시 예에 따르면, 커버리지는 선택된 일부 문장에 대응하는 토픽 키워드에 포함된 단어의 개수 및 토픽 키워드에 포함된 단어의 분포 밀도에 기초하여 산출될 수 있다.According to an embodiment, coverage may be calculated based on the number of words included in topic keywords corresponding to selected partial sentences and the distribution density of words included in topic keywords.

일 실시 예에 따르면, 다이버시티는 선택된 일부 문장 사이의 유사도가 감소함에 따라 증가할 수 있다.According to an embodiment, diversity may increase as similarities between some selected sentences decrease.

일 실시 예에 따르면, 프로세서는 커버리지 및 다이버시티가 파레토 최적에 따른 지정된 조건을 만족하는 하나 이상의 솔루션을 획득하고, 하나 이상의 솔루션 각각에 대응하는 하나 이상의 요약문을 생성할 수 있다.According to an embodiment, the processor may acquire one or more solutions whose coverage and diversity satisfy specified conditions according to Pareto optimization, and generate one or more summaries corresponding to each of the one or more solutions.

일 실시 예에 따르면, 프로세서는 미리 설정된 요약문 길이 조건을 만족하지 않는 솔루션이 생성되면, 생성된 솔루션이 지정된 최적화 조건을 만족하는지 여부를 판단할 때, 생성된 솔루션에 대응하는 요약문이 초과한 길이에 따른 페널티를 적용할 수 있다.According to an embodiment, when a solution that does not satisfy a preset summary length condition is generated, the processor determines whether or not the generated solution satisfies a specified optimization condition, and the summary corresponding to the generated solution determines the excess length. Penalties may apply accordingly.

본 문서에 개시되는 일 실시 예에 따른 문서의 요약문 제공 방법은 유전 알고리즘을 이용하여 원본 문서에 포함된 분석 대상 문장 각각에 대응하는 복수의 유전자를 포함하고 분석 대상 문장으로부터 요약문의 생성을 위해 선택된 일부 문장을 나타내는 솔루션을 미리 설정된 요약문 길이 조건을 만족하도록 생성하는 단계, 원본 문서에 포함된 분석 대상 문장과 솔루션에 대응하는 선택된 일부 문장 사이의 유사도와 연관된 제1 목적 함수를 이용하여 솔루션에 대한 커버리지를 산출하는 단계, 솔루션에 대응하는 선택된 일부 문장 사이의 유사도와 연관된 제2 목적 함수를 이용하여 솔루션에 대한 다이버시티를 산출하는 단계, 및 유전 알고리즘에 의해 생성된 복수의 솔루션 각각에 대한 커버리지 및 다이버시티에 기초하여 지정된 최적화 조건을 만족하는 하나 이상의 솔루션 각각에 대응하는 하나 이상의 요약문을 제공하는 단계를 포함할 수 있다.A method for providing a summary of a document according to an embodiment disclosed in this document includes a plurality of genes corresponding to each of the sentences to be analyzed included in an original document using a genetic algorithm, and selects some genes from the sentences to be analyzed to generate a summary. Generating a solution representing a sentence to satisfy a preset summary sentence length condition, determining coverage for a solution by using a first objective function associated with a similarity between a sentence to be analyzed included in an original document and some selected sentences corresponding to the solution. Calculating diversity for a solution by using a second objective function associated with similarity between some selected sentences corresponding to the solution, and coverage and diversity for each of a plurality of solutions generated by the genetic algorithm. It may include providing one or more summaries corresponding to each of one or more solutions that satisfy the specified optimization condition based on .

본 문서에 개시되는 일 실시 예에 따른 컴퓨팅 디바이스에 포함된 적어도 하나의 프로세서에 의해 실행 가능한 명령어가 저장된 컴퓨터 기록 매체에 있어서, 명령어는, 적어도 하나의 프로세서로 하여금, 유전 알고리즘을 이용하여 원본 문서에 포함된 분석 대상 문장 각각에 대응하는 복수의 유전자를 포함하고 분석 대상 문장으로부터 요약문의 생성을 위해 선택된 일부 문장을 나타내는 솔루션을 미리 설정된 요약문 길이 조건을 만족하도록 생성하고, 원본 문서에 포함된 분석 대상 문장과 솔루션에 대응하는 선택된 일부 문장 사이의 유사도와 연관된 제1 목적 함수를 이용하여 솔루션에 대한 커버리지를 산출하고, 솔루션에 대응하는 선택된 일부 문장 사이의 유사도와 연관된 제2 목적 함수를 이용하여 솔루션에 대한 다이버시티를 산출하고, 유전 알고리즘에 의해 생성된 복수의 솔루션 각각에 대한 커버리지 및 다이버시티에 기초하여 지정된 최적화 조건을 만족하는 하나 이상의 솔루션 각각에 대응하는 하나 이상의 요약문을 제공하도록 할 수 있다.In a computer recording medium storing instructions executable by at least one processor included in a computing device according to an embodiment disclosed in this document, the instruction causes the at least one processor to generate an original document using a genetic algorithm. A solution containing a plurality of genes corresponding to each of the included sentences to be analyzed and representing some sentences selected for generating a summary from the sentences to be analyzed is generated to satisfy a preset summary length condition, and the sentences to be analyzed included in the original document The coverage for the solution is calculated using a first objective function associated with the similarity between the selected sentences corresponding to the solution and the second objective function associated with the similarity between the selected sentences corresponding to the solution. Diversity may be calculated, and one or more summaries corresponding to each of one or more solutions satisfying a specified optimization condition may be provided based on coverage and diversity of each of a plurality of solutions generated by the genetic algorithm.

본 문서에 개시되는 실시 예들에 따르면, 미리 설정된 요약문의 길이 조건을 고려하여 유전 알고리즘의 프로세스(예: 초기화, 변이 및 교차 등)를 수행함으로써, 요약문의 생성을 위한 처리 시간을 단축할 수 있다.According to the embodiments disclosed in this document, processing time for generating a summary sentence can be reduced by performing a process of a genetic algorithm (eg, initialization, mutation and intersection, etc.) in consideration of a preset length condition of the summary sentence.

또한, 2개의 목적 함수를 이용하여 다목적 최적화를 수행함으로써, 솔루션을 효율적으로 평가하여 우수한 요약문을 선별할 수 있다.In addition, by performing multipurpose optimization using two objective functions, it is possible to efficiently evaluate solutions and select excellent summaries.

또한, 일정 이상의 퀄리티를 만족하는 하나 이상의 요약문을 선택함으로써, 사용자의 의도에 따라 적합한 요약문을 선택할 수 있도록 할 수 있다.In addition, by selecting one or more summaries satisfying a certain quality or higher, it is possible to select an appropriate summary according to the user's intention.

이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.In addition to this, various effects identified directly or indirectly through this document may be provided.

도 1은 일 실시 예에 따른 문서의 요약문 제공 장치에 의해 제공되는 예시적인 요약문을 도시한다.
도 2는 일 실시 예에 따른 문서의 요약문 제공 장치의 구성을 도시하는 블록도이다.
도 3은 일 실시 예에 따른 문서의 요약문 제공 장치의 예시적인 동작을 설명하기 위한 도면이다.
도 4는 일 실시 예에 따른 문서의 요약문 제공 장치의 예시적인 동작을 설명하기 위한 도면이다.
도 5는 일 실시 예에 따른 문서의 요약문 제공 장치의 예시적인 동작을 설명하기 위한 도면이다.
도 6은 일 실시 예에 따른 문서의 요약문 제공 장치의 예시적인 동작을 설명하기 위한 도면이다.
도 7은 일 실시 예에 따른 문서의 요약문 제공 장치의 예시적인 동작을 설명하기 위한 도면이다.
도 8은 일 실시 예에 따른 문서의 요약문 제공 장치의 예시적인 동작을 설명하기 위한 도면이다.
도 9는 일 실시 예에 따른 문서의 요약문 제공 방법을 설명하기 위한 흐름도이다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.1 illustrates an exemplary summary provided by an apparatus for providing a summary of a document according to an embodiment.
2 is a block diagram illustrating a configuration of an apparatus for providing a summary of a document according to an exemplary embodiment.
3 is a diagram for explaining an exemplary operation of an apparatus for providing a summary of a document according to an exemplary embodiment.
4 is a diagram for explaining an exemplary operation of an apparatus for providing a summary of a document according to an exemplary embodiment.
5 is a diagram for explaining an exemplary operation of an apparatus for providing a summary of a document according to an exemplary embodiment.
6 is a diagram for explaining an exemplary operation of an apparatus for providing a summary of a document according to an exemplary embodiment.
7 is a diagram for explaining an exemplary operation of an apparatus for providing a summary of a document according to an exemplary embodiment.
8 is a diagram for explaining an exemplary operation of an apparatus for providing a summary of a document according to an exemplary embodiment.
9 is a flowchart illustrating a method of providing a summary of a document according to an exemplary embodiment.
In connection with the description of the drawings, the same or similar reference numerals may be used for the same or similar elements.

이하, 본 발명의 일부 실시 예들을 예시적인 도면을 통해서 상세하게 설명한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 실시 예의 다양한 변경, 균등물 또는 대체물을 포함하는 것으로 이해되어야 한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명의 실시 예를 설명함에 있어 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 실시 예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다.Hereinafter, some embodiments of the present invention will be described in detail through exemplary drawings. However, this is not intended to limit the present invention to specific embodiments, and should be understood to include various modifications, equivalents or substitutes of the embodiments of the present invention. In adding reference numerals to components of each drawing, it should be noted that the same components have the same numerals as much as possible even if they are displayed on different drawings. In addition, when it is determined that a detailed description of a related known configuration or function in describing an embodiment of the present invention interferes with understanding of the embodiment of the present invention, the detailed description thereof will be omitted.

도 1은 일 실시 예에 따른 문서의 요약문 제공 장치에 의해 제공되는 예시적인 요약문을 도시한다.1 illustrates an exemplary summary provided by an apparatus for providing a summary of a document according to an embodiment.

일 실시 예에 따른 요약문 제공 장치는 복수의 원본 문서(111, 112, 113, 114)에 포함된 문장 중 일부를 추출함으로써 요약문(120)을 생성할 수 있다.The apparatus for providing a summary statement according to an embodiment may generate the summary statement 120 by extracting some of the sentences included in the plurality of original documents 111 , 112 , 113 , and 114 .

예를 들어, 요약문 제공 장치는 복수의 원본 문서(111, 112, 113, 114)를 획득할 수 있다. 요약문 제공 장치는 유전 알고리즘을 이용하여 복수의 원본 문서(111, 112, 113, 114)에 포함된 문장들 중 요약문(120)에 포함될 일부 문장에 대응하는 솔루션을 도출할 수 있다. 요약문 제공 장치는 도출된 솔루션을 2개의 목적 함수에 입력함으로써, 복수의 원본 문서(111, 112, 113, 114)와 요약문(120) 사이의 유사도와 연관된 커버리지 및 요약문(120)에 포함된 문장들 사이의 유사도와 연관된 다이버시티를 산출할 수 있다. 커버리지에 의해 요약문(120)이 원본 문서(111, 112, 113, 114)의 내용을 충분히 반영하는지 여부가 판단될 수 있고, 다이버시티에 의해 요약문(120)에 불필요한 문장이 포함되었는지 여부가 판단될 수 있다. 요약문 제공 장치는 커버리지 및 다이버시티가 최적화 조건을 만족하는 솔루션을 도출할 수 있고, 도출된 솔루션에 대응하는 요약문(120)을 제공할 수 있다.For example, the summary statement providing device may acquire a plurality of original documents 111, 112, 113, and 114. The apparatus for providing a summary sentence may derive a solution corresponding to some sentences to be included in the summary sentence 120 among sentences included in the plurality of original documents 111 , 112 , 113 , and 114 by using a genetic algorithm. The apparatus for providing a summary statement inputs the derived solutions into two objective functions, thereby providing coverage related to the degree of similarity between the plurality of original documents 111, 112, 113, and 114 and the summary statement 120 and sentences included in the summary statement 120. Diversity associated with the degree of similarity may be calculated. Whether the summary 120 sufficiently reflects the contents of the original documents 111, 112, 113, and 114 can be determined by coverage, and whether unnecessary sentences are included in the summary 120 can be determined by diversity. can The apparatus for providing a summary statement may derive a solution whose coverage and diversity satisfy optimization conditions, and may provide a summary statement 120 corresponding to the derived solution.

이상에서 설명한 예시는 본 문서의 이해를 위해 예시적으로 기재된 것으로 본 문서의 권리범위는 이에 제한되지 않는다. 이하에서는 유전 알고리즘의 활용, 다목적 최적화에 의한 솔루션의 평가 및 요약문 제공을 위한 구체적인 방식에 대해 상세히 설명한다.The examples described above are illustrative for the understanding of this document, and the scope of rights of this document is not limited thereto. Hereinafter, specific methods for utilizing genetic algorithms, evaluating solutions by multipurpose optimization, and providing summary statements are described in detail.

도 2는 일 실시 예에 따른 문서의 요약문 제공 장치의 구성을 도시하는 블록도이다.2 is a block diagram illustrating a configuration of an apparatus for providing a summary of a document according to an exemplary embodiment.

도 2를 참조하면, 일 실시 예에 따른 문서의 요약문 제공 장치(200)는 통신 회로(210), 메모리(220) 및 프로세서(230)를 포함할 수 있다. 요약문 제공 장치(200)는, 예를 들어, 사용자 단말로서 데스크탑, 랩탑, 태블릿 또는 스마트 폰 등과 같은 컴퓨팅 디바이스일 수도 있고, 서버 형태로 구현될 수도 있다. 이 경우 물리적으로는 온 프레미스(on premise) 또는 클라우드에 위치할 수도 있다. 다른 예를 들면, 요약문 제공 장치(200)는 2 이상으로 분산된 환경의 컴퓨팅 디바이스(예: 1개의 사용자 단말 및 1개의 서버)로 구현될 수도 있다. 요약문 제공 장치(200)는 문서에 대한 요약문을 효율적으로 제공하기 위한 것이나, 이에 제한되지 않고, 단일 문서에 대한 요약문을 제공하기 위해 활용될 수도 있다.Referring to FIG. 2 , an apparatus 200 for providing a summary of a document according to an exemplary embodiment may include a communication circuit 210 , a memory 220 and a processor 230 . The apparatus 200 for providing a summary statement may be, for example, a computing device such as a desktop, laptop, tablet, or smart phone as a user terminal, or may be implemented in the form of a server. In this case, it may be physically located on premise or in the cloud. For another example, the summary text providing apparatus 200 may be implemented with two or more distributed computing devices (eg, one user terminal and one server). The apparatus 200 for providing a summary statement is for efficiently providing a summary statement for a document, but is not limited thereto, and may be utilized to provide a summary statement for a single document.

통신 회로(210)는 외부와 무선 또는 유선으로 통신하도록 구성될 수 있다. 통신 회로(210)는 외부 장치와 데이터를 송수신할 수 있다. 예를 들어, 통신 회로(210)는 외부로부터 하나 이상의 원본 문서를 수신할 수 있다.The communication circuit 210 may be configured to communicate with the outside wirelessly or wired. The communication circuit 210 may transmit/receive data with an external device. For example, the communication circuit 210 may receive one or more original documents from the outside.

메모리(220)는 휘발성 메모리 및/또는 비휘발성 메모리를 포함할 수 있다. 메모리(220)는 문서의 요약문 제공 장치(200)에서 취급되는 다양한 데이터를 저장할 수 있다. 예를 들어, 메모리(220)는 문서의 요약문 제공 장치(200) 내부에서 처리된 데이터를 저장할 수 있고, 외부로부터 수신된 데이터를 저장할 수도 있다. 예를 들어, 메모리(220)는 수신된 하나 이상의 원본 문서를 저장할 수 있다.Memory 220 may include volatile memory and/or non-volatile memory. The memory 220 may store various data handled by the apparatus 200 for providing summary statements of documents. For example, the memory 220 may store data processed inside the document summary providing apparatus 200 or may store data received from the outside. For example, the memory 220 may store one or more original documents received.

프로세서(230)는 통신 회로(210) 및 메모리(220)와 전기적으로 연결될 수 있다. 프로세서(230)는 통신 회로(210) 및 메모리(220)를 제어할 수 있고, 다양한 데이터 처리 및 연산을 수행할 수 있다. 도 2에서는 프로세서(230)가 단일의 구성인 것으로 도시되었으나, 복수의 구성으로 분리되어 구현될 수도 있다. 프로세서(230)는 문서의 요약문을 제공하기 위한 도구를 사용자에게 제공할 수 있다. 프로세서(230)는 메모리(220)에 저장된 소프트웨어 내지 인스트럭션을 실행함으로써, 이하와 같은 동작을 수행할 수 있다.The processor 230 may be electrically connected to the communication circuit 210 and the memory 220 . The processor 230 may control the communication circuit 210 and the memory 220 and may perform various data processing and calculations. Although the processor 230 is shown as a single component in FIG. 2 , it may be implemented as being separated into a plurality of components. The processor 230 may provide a tool for providing a summary of the document to the user. The processor 230 may perform the following operations by executing software or instructions stored in the memory 220 .

일 실시 예에 따르면, 프로세서(230)는 유전 알고리즘을 이용하여 원본 문서에 포함된 분석 대상 문장 각각에 대응하는 복수의 유전자를 포함하고 분석 대상 문장으로부터 요약문의 생성을 위해 선택된 일부 문장을 나타내는 솔루션을 미리 설정된 요약문 길이 조건을 만족하도록 생성할 수 있다. 본 문서에서 용어 “문장”은 1개의 문장, 문장의 일부(2 이상의 단어를 포함하는 어구 또는 어절 등) 또는 2 이상의 문장 집합을 의미하는 것으로 해석될 수 있다. 분석 대상 문장은 원본 문서에 포함된 전체 문장을 의미할 수도 있고, 전체에서 일부 문장이 제외된 문장을 의미할 수도 있다. 유전 알고리즘의 솔루션은 바이너리 데이터로 이루어진 유전자(성분)을 포함하는 벡터일 수 있다. 솔루션 벡터는 원본 문서에 포함된 분석 대상 문장 중 후보 요약문에 포함될 문장이 무엇인지 나타낼 수 있다. 예를 들어, 원본 문서가 10개의 문장으로 이루어지고, 후보 요약문이 1번째, 3번째 및 7번째 문장을 포함하는 경우, 솔루션 벡터는 (1, 0, 1, 0, 0, 0, 1, 0, 0, 0)일 수 있다. 프로세서(230)는 유전 알고리즘을 이용하여 초기화, 변이 및 교차 등의 과정을 수행함으로써, 다수의(또는 복수의) 후보 요약문에 대응하는 다수의(또는 복수의) 솔루션을 생성할 수 있다. 요약문 길이 조건은 단어 개수(예: 100 단어 이하), 문장 개수(예: 10 문장 이하) 또는 원본 문서의 길이 대비 요약문의 길이(예: 원본 문서의 문장 개수의 10% 또는 원본 문서의 단어 개수의 10%) 등으로 설정될 수 있다. 본 문서에서 용어 “단어”는 텍스트로 이루어질 수도 있고, 수치, 벡터, 메트릭스 또는 텐서 등으로 이루어진 데이터일 수도 있다. 또한, 용어 “단어”는 서브워드(subword)를 포함하는 개념으로 이해될 수 있다. 프로세서(230)는 솔루션의 초기화, 변이 및 교차 등의 과정을 수행할 때 미리 설정된 요약문 길이 조건을 만족하도록 후보 요약문에 대응하는 솔루션을 생성할 수 있다. 유전 알고리즘을 이용한 솔루션의 초기화, 변이 및 교차에 대해서는 도 3 내지 도 7을 참조하여 상세히 설명한다.According to an embodiment, the processor 230 uses a genetic algorithm to generate a solution that includes a plurality of genes corresponding to each of the sentences to be analyzed included in the original document and represents some sentences selected to generate a summary sentence from the sentences to be analyzed. It can be created to satisfy the pre-set summary length condition. In this document, the term “sentence” may be interpreted as meaning one sentence, part of a sentence (a phrase or phrase containing two or more words, etc.), or a set of two or more sentences. The sentence to be analyzed may refer to all sentences included in the original document or may mean sentences from which some sentences are excluded from the whole. A solution of a genetic algorithm can be a vector containing genes (components) made of binary data. The solution vector may indicate which sentences to be included in the candidate summary among sentences to be analyzed included in the original document. For example, if the original document consists of 10 sentences and the candidate summary contains the 1st, 3rd and 7th sentences, the solution vector is (1, 0, 1, 0, 0, 0, 1, 0 , 0, 0). The processor 230 may generate multiple (or multiple) solutions corresponding to multiple (or multiple) candidate summaries by performing processes such as initialization, mutation, and intersection using a genetic algorithm. The summary length criterion is the number of words (e.g., 100 words or less), the number of sentences (e.g., 10 sentences or less), or the length of the summary relative to the length of the original document (e.g., 10% of the number of sentences in the original document or the number of words in the original document). 10%), etc. In this document, the term “word” may be composed of text or data composed of numbers, vectors, matrices, or tensors. Also, the term “word” may be understood as a concept including a subword. The processor 230 may generate a solution corresponding to the candidate summary to satisfy a preset summary length condition when performing processes such as initialization, transition, and intersection of solutions. Initialization, mutation, and intersection of a solution using a genetic algorithm will be described in detail with reference to FIGS. 3 to 7 .

일 실시 예에 따르면, 프로세서(230)는 유전 알고리즘을 이용하여 솔루션의 초기화를 수행하는 경우, 솔루션에 포함된 복수의 유전자의 값을 순차적으로 설정하되, 미리 설정된 요약문 길이 조건에 기초하여 상기 복수의 유전자의 값을 결정하기 위해 사용되는 확률 값을 조절할 수 있다. 바이너리 데이터로 이루어진 솔루션에 대해 유전 알고리즘을 이용하여 초기화를 수행하는 경우, 솔루션에 포함된 각 유전자가 순차적으로 임의의 확률에 의해 0 또는 1로 설정됨으로써 새로운 솔루션이 생성될 수 있다. 요약문을 위해 솔루션을 도출하는 경우, 솔루션에 대응하는 요약문의 길이가 과도하기 길어지면 요약문은 본연의 기능을 상실할 수 있다. 과도하게 긴 길이를 갖는 후보 요약문은 필요성이 낮을 뿐만 아니라, 시스템에 불필요한 연산을 요구하게 될 수 있다. 따라서, 후보 요약문의 길이를 제한하는 조건에 따라, 초기화에 의해 생성되는 솔루션을 제한할 수 있다. 프로세서(230)는 솔루션의 초기화 시 솔루션에 포함될 유전자를 순차적으로 임의의 확률에 의해 0 또는 1로 생성하되, 후보 요약문의 길이가 길이 조건을 만족하도록 유전자의 값을 0 또는 1로 결정하기 위해 사용되는 유전 알고리즘의 확률 값을 조절할 수 있다. 다른 예를 들면, 프로세서(230)는 미리 설정된 요약문 길이 조건 및 기설정된 유전자에 대응하는 요약문의 길이 정보에 기초하여 나머지 유전자의 값을 설정할 수 있다. 프로세서(230)는 솔루션의 초기화 시 솔루션에 포함될 유전자를 순차적으로 임의의 확률에 의해 0 또는 1로 생성하되, 이미 생성된 유전자에 대응하는 후보 요약문의 길이가 길이 조건에 도달(또는 길이 조건을 초과)한 경우, 생성되지 않은 나머지 유전자를 0으로 생성하거나, 0으로 생성될 확률을 증가시킬 수도 있다. 유전 알고리즘을 이용한 솔루션의 초기화에 대해서는 도 3 내지 도 5를 참조하여 상세히 설명한다.According to an embodiment, when the solution is initialized using a genetic algorithm, the processor 230 sequentially sets values of a plurality of genes included in the solution, but based on a preset summary length condition, the plurality of genes are sequentially set. The probability value used to determine the value of a gene can be adjusted. When initialization is performed using a genetic algorithm for a solution composed of binary data, a new solution may be generated by sequentially setting each gene included in the solution to 0 or 1 with random probability. When a solution is derived for a summary statement, if the length of the summary corresponding to the solution becomes excessively long, the summary statement may lose its original function. A candidate summary having an excessively long length is not only less necessary, but may also require unnecessary calculations in the system. Therefore, the solution generated by the initialization can be limited according to the condition limiting the length of the candidate summary. When the solution is initialized, the processor 230 sequentially generates genes to be included in the solution as 0 or 1 with a random probability, and is used to determine the value of the gene as 0 or 1 so that the length of the candidate summary satisfies the length condition. You can adjust the probability value of the genetic algorithm to be. For another example, the processor 230 may set values of the remaining genes based on a preset summary sentence length condition and summary sentence length information corresponding to the preset genes. When the solution is initialized, the processor 230 sequentially generates genes to be included in the solution as 0 or 1 with random probability, but the length of the candidate summary corresponding to the gene already generated reaches (or exceeds the length condition) the length condition. ), the remaining ungenerated genes may be generated as 0, or the probability of being generated as 0 may be increased. Initialization of a solution using a genetic algorithm will be described in detail with reference to FIGS. 3 to 5 .

일 실시 예에 따르면, 프로세서(230)는 유전 알고리즘을 이용하여 솔루션의 변이를 수행하는 경우, 미리 설정된 요약문 길이 조건 및 솔루션에 대응하는 요약문의 길이 정보에 기초하여 솔루션에 포함된 복수의 유전자의 변이 여부를 결정할 수 있다. 바이너리 데이터로 이루어진 솔루션에 대해 유전 알고리즘을 이용하여 변이를 수행하는 경우, 솔루션에 포함된 유전자 중 하나 이상이 임의의 확률로 변경됨으로써 다른 솔루션이 생성될 수 있다. 예를 들어, 유전자 0은 1로 변이될 수 있고, 유전자 1은 0으로 변이될 수 있다. 이 경우, 특히 유전자 0이 1로 변이되는 경우, 변이에 의해 생성된 솔루션에 대응하는 후보 요약문의 길이가 길이 조건을 초과하게 될 수 있다. 따라서, 후보 요약문의 길이를 제한하는 조건에 따라, 변이의 수행을 제한할 수 있다. 프로세서(230)는 솔루션에 포함된 유전자 중 적어도 하나를 임의의 확률에 의해 0 또는 1로 변이시키되, 변이에 의해 생성된 솔루션에 대응하는 후보 요약문의 길이가 길이 조건을 초과하는 경우, 해당 유전자의 변이 수행 확률을 감소시키거나, 변이를 수행하지 않을 수 있다. 유전 알고리즘을 이용한 솔루션의 변이에 대해서는 도 6을 참조하여 상세히 설명한다.According to an embodiment, when the processor 230 performs variation of a solution using a genetic algorithm, the variation of a plurality of genes included in the solution is based on a preset summary sentence length condition and summary sentence length information corresponding to the solution. can decide whether When mutation is performed using a genetic algorithm on a solution composed of binary data, another solution may be created by randomly changing one or more genes included in the solution. For example, gene 0 can be mutated to 1, and gene 1 can be mutated to 0. In this case, in particular, when gene 0 is mutated to 1, the length of the candidate summary corresponding to the solution generated by the mutation may exceed the length condition. Therefore, according to the condition limiting the length of the candidate summary, the execution of the mutation can be restricted. The processor 230 mutates at least one of the genes included in the solution to 0 or 1 with a random probability, and if the length of the candidate summary corresponding to the solution generated by the mutation exceeds the length condition, the gene The mutation performance probability may be reduced or mutation may not be performed. Variation of a solution using a genetic algorithm will be described in detail with reference to FIG. 6 .

일 실시 예에 따르면, 프로세서(230)는 유전 알고리즘을 이용하여 솔루션과 다른 솔루션의 교차를 수행하는 경우, 솔루션에서 선택된 유전자에 대응하는 요약문의 길이 정보 및 다른 솔루션에서 선택된 유전자에 대응하는 요약문의 길이 정보에 기초하여 교차의 수행 여부를 결정할 수 있다. 바이너리 데이터로 이루어진 2개의 솔루션에 대해 유전 알고리즘을 이용하여 교차를 수행하는 경우, 임의의 확률로 제1 솔루션의 일부와 제2 솔루션의 일부가 결합될 수 있다. 예를 들어, 10개의 성분을 갖는 제1 솔루션과 제2 솔루션을 교차시키면, 제1 솔루션의 제1 성분 내지 제5 성분과 제2 솔루션의 제6 성분 내지 제10 성분이 결합되어, 다른 솔루션이 생성될 수 있다. 이 경우, 교차에 의해 생성된 솔루션에 대응하는 후보 요약문의 길이가 길이 조건을 초과하게 될 수 있다. 따라서, 후보 요약문의 길이를 제한하는 조건에 따라, 교차의 수행을 제한할 수 있다. 프로세서(230)는 2개의 솔루션에 포함된 유전자 중 일부를 선택하여 임의의 확률에 의해 교차시키되, 교차에 의해 생성된 솔루션에 대응하는 후보 요약문의 길이가 길이 조건을 초과하는 경우, 그 2개의 솔루션에 대한 교차 수행 확률을 감소시키거나, 교차를 수행하지 않을 수 있다. 유전 알고리즘을 이용한 솔루션의 교차에 대해서는 도 7을 참조하여 상세히 설명한다.According to an embodiment, when the processor 230 crosses a solution with another solution using a genetic algorithm, the length information of the summary corresponding to the gene selected from the solution and the length of the summary corresponding to the gene selected from the other solution Based on the information, it may be determined whether to perform intersection. When crossing is performed using a genetic algorithm for two solutions composed of binary data, a part of the first solution and a part of the second solution may be combined with a random probability. For example, if a first solution and a second solution having 10 components are crossed, the first to fifth components of the first solution and the sixth to tenth components of the second solution are combined, resulting in another solution. can be created In this case, the length of the candidate summary corresponding to the solution generated by the intersection may exceed the length condition. Therefore, according to the condition limiting the length of the candidate summary, the execution of intersection can be restricted. The processor 230 selects some of the genes included in the two solutions and crosses them with a random probability, but if the length of the candidate summary corresponding to the solution generated by the crossover exceeds the length condition, the two solutions It is possible to reduce the probability of performing crossover for , or not to perform crossover. The intersection of solutions using a genetic algorithm will be described in detail with reference to FIG. 7 .

일 실시 예에 따르면, 프로세서(230)는 유전 알고리즘을 이용하여 후보 요약문에 대응하는 솔루션을 생성하는 경우, 세대의 수를 제한할 수 있다. 또한, 프로세서(230)는 후보 요약문의 성능 향상이 없는 경우 다음 세대의 생성을 중단할 수도 있다. 또한, 프로세서(230)는 현재 진행 상황을 저장하고, 추후 저장된 결과를 불러온 후 다음 세대의 생성을 재개할 수도 있다.According to an embodiment, the processor 230 may limit the number of generations when generating a solution corresponding to the candidate summary using a genetic algorithm. Also, the processor 230 may stop generating the next generation when there is no improvement in performance of the candidate summary. In addition, the processor 230 may save the current progress and resume the generation of the next generation after later calling the stored result.

일 실시 예에 따르면, 프로세서(230)는 원본 문서에 포함된 분석 대상 문장과 솔루션에 대응하는 선택된 일부 문장 사이의 유사도와 연관된 제1 목적 함수를 이용하여 솔루션에 대한 커버리지를 산출할 수 있다. 원본 문서에 포함된 문장과 특정 솔루션에 대응하는 후보 요약문 사이의 유사도를 활용함으로써, 후보 요약문이 원본 문서의 내용을 얼마나 적절히 반영하는지를 나타내는 커버리지가 산출될 수 있다. 예를 들어, 커버리지는 분석 대상 문장에 대응하는 벡터와 선택된 일부 문장에 대응하는 벡터 사이의 유사도 및 분석 대상 문장에 대응하는 벡터와 선택된 일부 문장 각각에 대응하는 복수의 문장 벡터 각각 사이의 유사도에 기초하여 산출될 수 있다. 원본 문서의 분석 대상 문장에 대응하는 벡터(원본 문서에 대응하는 벡터)는 아래와 같은 예시적인 수학식으로 표현될 수 있다.According to an embodiment, the processor 230 may calculate coverage for a solution by using a first objective function associated with a degree of similarity between a sentence to be analyzed included in the original document and some selected sentences corresponding to the solution. By utilizing the degree of similarity between the sentences included in the original document and the candidate summary corresponding to a specific solution, coverage indicating how well the candidate summary reflects the contents of the original document can be calculated. For example, the coverage is based on the degree of similarity between a vector corresponding to the target sentence to be analyzed and a vector corresponding to the selected partial sentence, and a degree of similarity between the vector corresponding to the target sentence to be analyzed and each of a plurality of sentence vectors corresponding to each of the selected partial sentences. can be calculated. A vector corresponding to the analysis target sentence of the original document (vector corresponding to the original document) may be expressed by the following exemplary equation.

[수학식 1][Equation 1]

여기서, o는 원본 문서에 대응하는 벡터이고, ok는 원본 문서의 k번째 문장에 대응하는 값(또는 벡터)이고, wik는 k번째 문장의 i번째 단어에 대응하는 웨이트이고, wik는 TF-ISF(term frequency-inverse sentence frequency)에 의해 산출될 수 있다.where o is a vector corresponding to the original document, o k is a value (or vector) corresponding to the k-th sentence of the original document, w ik is a weight corresponding to the i-th word of the k-th sentence, and w ik is It can be calculated by term frequency-inverse sentence frequency (TF-ISF).

한편, 솔루션에 대응하는 후보 요약문에 포함된 문장에 대응하는 벡터(후보 요약문에 대응하는 벡터) 및 후보 요약문에 포함된 문장 각각에 대한 문장 벡터는 아래와 같은 예시적인 수학식으로 표현될 수 있다.Meanwhile, a vector corresponding to a sentence included in the candidate summary corresponding to the solution (a vector corresponding to the candidate summary) and a sentence vector for each sentence included in the candidate summary may be expressed by the following exemplary equation.

[수학식 2][Equation 2]

여기서, si는 원본 문서에 포함된 i번째 문장의 문장 벡터이고, wim은 i번째 문장에 포함된 m번째 단어에 대응하는 웨이트이고, os는 후보 요약문에 대응하는 벡터이고, os k는 후보 요약문에 포함된 m번째 문장에 대응하는 값(또는 벡터)이고, xi는 솔루션 벡터의 i번째 유전자(0 또는 1)일 수 있다.Here, s i is the sentence vector of the i th sentence included in the original document, w im is the weight corresponding to the m th word included in the i th sentence, o s is the vector corresponding to the candidate summary, and o s k is a value (or vector) corresponding to the m-th sentence included in the candidate summary, and x i may be the i-th gene (0 or 1) of the solution vector.

상술한 원본 문서에 대응하는 벡터, 후보 요약문에 대응하는 벡터 및 후보 요약문에 포함된 문장 각각에 대한 문장 벡터를 이용하여 커버리지를 산출하는 예시적인 수학식(제1 목적 함수)은 아래와 같다.An exemplary equation (first objective function) for calculating coverage using the vector corresponding to the original document, the vector corresponding to the candidate summary, and the sentence vector for each sentence included in the candidate summary is as follows.

[수학식 3][Equation 3]

여기서, n은 원본 문서에 포함된 분석 대상 문장의 개수일 수 있고, sim은 유사도 산출을 위한 함수로서, 코사인 유사도 함수일 수 있다. 상술한 수식에 의해 원본 문서와 특정 솔루션에 대응하는 후보 요약문 사이의 유사도 및 원본 문서와 후보 요약문에 포함된 문장 각각 사이의 유사도를 반영하는 커버리지가 산출될 수 있다. 커버리지의 산출을 위한 제1 목적 함수는 커버리지를 산출하는데 관여된 문장(예: 후보 요약문에 포함된 문장)의 평균 길이 값으로 나눠줌으로써 정규화될 수 있다.Here, n may be the number of sentences to be analyzed included in the original document, and sim may be a function for calculating similarity and may be a cosine similarity function. Coverage reflecting the similarity between the original document and the candidate summary corresponding to the specific solution and the similarity between each of the sentences included in the original document and the candidate summary may be calculated by the above formula. The first objective function for calculating coverage may be normalized by dividing by an average length value of sentences involved in calculating coverage (eg, sentences included in candidate summaries).

일 실시 예에 따르면, 커버리지는 미리 저장된 지식 기반(knowledge-based) 데이터베이스(사전 형태의 파일 등과 같은 다양한 형태의 데이터를 포함)에 기초하여 산출되는 선택된 일부 문장에 포함된 단어의 중요도에 기초하여 산출될 수도 있다. 지식 기반 데이터베이스에 기초하여 산출되는 단어의 중요도 및 이를 고려한 커버리지는 아래와 같은 예시적인 수학식으로 산출될 수 있다. 후보 요약문에 포함된 단어의 중요도를 고려함으로써, 후보 요약문의 퀄리티를 더 정확하게 판단할 수 있다.According to an embodiment, the coverage is calculated based on the importance of words included in some selected sentences that are calculated based on a pre-stored knowledge-based database (including various types of data such as dictionary-type files). It could be. The importance of words calculated based on the knowledge-based database and the coverage considering them may be calculated by the following exemplary equation. By considering the importance of words included in the candidate summary, the quality of the candidate summary can be more accurately determined.

[수학식 4][Equation 4]

여기서, μs k는 후보 요약문에 포함된 k번째 문장의 중요도이고, yi는 지식 기반 데이터베이스(예: DBpedia)로부터 획득되는 k번째 문장의 i번째 단어에 대한 값(예: 바이너리 값)일 수 있다.Here, μ s k is the importance of the k-th sentence included in the candidate summary, and y i is the value for the i-th word of the k-th sentence (eg, a binary value) obtained from a knowledge-based database (eg, DBpedia). there is.

일 실시 예에 따르면, 커버리지는 선택된 일부 문장에 대응하는 토픽 키워드에 포함된 단어의 개수 및 토픽 키워드에 포함된 단어의 분포 밀도에 기초하여 산출될 수도 있다. 토픽 키워드를 고려한 커버리지는 아래와 같은 예시적인 수학식에 의해 산출될 수 있다. 후보 요약문에 포함된 문장의 토픽 키워드를 고려함으로써, 후보 요약문의 퀄리티를 더 정확하게 판단할 수 있다.According to an embodiment, coverage may be calculated based on the number of words included in topic keywords corresponding to the selected partial sentences and the distribution density of words included in topic keywords. Coverage considering topic keywords can be calculated by the following exemplary equation. By considering topic keywords of sentences included in the candidate summary, the quality of the candidate summary can be more accurately determined.

[수학식 5][Equation 5]

여기서, Ii는 i-1번째 문장 대비 i번째 문장의 토픽 키워드에 포함되는 단어 개수의 증가량이고, Di는 i-1번째 문장 대비 i번째 문장의 토픽 키워드에 포함되는 단어 개수의 감소량이고, Si는 토픽 키워드의 산출 시 활용된 단어의 분포 밀도일 수 있다.Here, Ii is the increase in the number of words included in the topic keyword of the i-th sentence compared to the i-1th sentence, Di is the decrease in the number of words included in the topic keyword of the i-th sentence compared to the i-1th sentence, and Si is It may be the distribution density of words used when calculating topic keywords.

일 실시 예에 따르면, 프로세서(230)는 솔루션에 대응하는 선택된 일부 문장 사이의 유사도와 연관된 제2 목적 함수를 이용하여 솔루션에 대한 다이버시티를 산출할 수 있다. 다이버시티는 선택된 일부 문장 사이의 유사도가 감소함에 따라 증가하도록 산출될 수 있다. 특정 솔루션에 대응하는 후보 요약문에 포함된 문장들 사이의 유사도를 활용함으로써, 후보 요약문에 불필요한 문장이 얼마나 포함되었는지 여부를 판단하기 위한 다이버시티가 산출될 수 있다. 예를 들어, 다이버시티는 후보 요약문에 포함된 문장 벡터들 사이의 유사도에 기초하여 산출될 수 있다. 후보 요약문에 포함된 문장 벡터를 이용하여 다이버시티를 산출하는 예시적인 수학식(제2 목적 함수)은 아래와 같다.According to an embodiment, the processor 230 may calculate diversity for a solution by using a second objective function associated with similarity between some selected sentences corresponding to the solution. Diversity may be calculated to increase as the similarity between the selected partial sentences decreases. Diversity for determining how many unnecessary sentences are included in the candidate summary may be calculated by using similarity between sentences included in the candidate summary corresponding to a specific solution. For example, diversity may be calculated based on similarities between sentence vectors included in candidate summaries. An exemplary equation (second objective function) for calculating diversity using sentence vectors included in candidate summaries is as follows.

[수학식 6][Equation 6]

여기서, si는 원본 문서에 포함된 i번째 문장이고, sj는 원본 문서에 포함된 j번째 문장일 수 있다. 솔루션 벡터의 성분인 xi 및 xj를 활용함으로써, 후보 요약문에 포함된 문장의 유사도를 고려할 수 있다. 상술한 수식에 의해 후보 요약문에 포함된 한 문장과 다른 문장 사이의 유사도를 반영하는 다이버시티가 산출될 수 있다. 다이버시티의 산출을 위한 제2 목적 함수는 커버리지를 산출하는데 관여된 문장(예: 후보 요약문에 포함된 문장)의 평균 길이 값으로 나눠줌으로써 정규화될 수 있다.Here, s i may be the i-th sentence included in the original document, and s j may be the j-th sentence included in the original document. By utilizing the components of the solution vector, x i and x j , the similarity of the sentences included in the candidate summary can be considered. Diversity reflecting the degree of similarity between one sentence included in the candidate summary and another sentence may be calculated by the above formula. The second objective function for calculating diversity may be normalized by dividing by an average length value of sentences involved in calculating coverage (eg, sentences included in candidate summaries).

일 실시 예에 다르면, 프로세서(230)는 유전 알고리즘에 의해 생성된 복수의 솔루션 각각에 대한 커버리지 및 다이버시티에 기초하여 지정된 최적화 조건을 만족하는 하나 이상의 솔루션 각각에 대응하는 하나 이상의 요약문을 제공할 수 있다. 예를 들어, 프로세서(230)는 커버리지 및 다이버시티가 파레토 최적에 따른 지정된 조건을 만족하는 하나 이상의 솔루션을 획득할 수 있다. 프로세서(230)는 하나 이상의 솔루션 각각에 대응하는 하나 이상의 요약문을 생성하고, 생성된 하나 이상의 요약문을 사용자에게 제공할 수 있다. 프로세서(230)는 지정된 최적화 조건을 만족하는 복수의 솔루션이 획득된 경우 추가적인 처리를 통해 하나의 솔루션을 도출하여 이에 대응하는 하나의 요약문을 사용자에게 제공할 수도 있고, 복수의 솔루션 각각에 대응하는 복수의 요약문을 사용자에게 제공하여 사용자에게 선택권을 줄 수도 있다.According to an embodiment, the processor 230 may provide one or more summaries corresponding to each of one or more solutions that satisfy a designated optimization condition based on coverage and diversity for each of a plurality of solutions generated by a genetic algorithm. there is. For example, processor 230 may obtain one or more solutions whose coverage and diversity satisfy specified conditions according to Pareto optimization. The processor 230 may generate one or more summaries corresponding to each of the one or more solutions and provide the generated one or more summaries to a user. When a plurality of solutions satisfying specified optimization conditions are obtained, the processor 230 may derive one solution through additional processing and provide a corresponding summary to the user, or may provide a plurality of solutions corresponding to each of the plurality of solutions. You can also give the user a choice by providing the summary of the

일 실시 예에 따르면, 프로세서(230)는 미리 설정된 요약문 길이 조건을 만족하지 않는 솔루션이 생성되면, 생성된 솔루션이 지정된 최적화 조건을 만족하는지 여부를 판단할 때, 생성된 솔루션에 대응하는 요약문이 초과한 길이에 따른 페널티를 적용할 수 있다. 요약문 길이 조건이 짧게 설정된 경우, 요약문 길이 조건을 초과하는 솔루션의 커버리지 및 다이버시티 값이 요약문 길이 조건을 만족하는 솔루션의 커버리지 및 다이버시티 값보다 우수할 수 있다. 따라서, 경우에 따라 요약문 길이 조건을 만족하지 못하는 솔루션을 고려할 필요성이 있다. 페널티는, 예를 들어, 초과된 길이와 지정된 요약문 길이 사이의 비율(overflow/limit)로 산출될 수도 있다.According to an embodiment, when a solution that does not satisfy a preset summary statement length condition is generated, the processor 230 determines whether or not the generated solution satisfies a specified optimization condition, and the summary statement corresponding to the generated solution is exceeded. A penalty for one length may be applied. When the summary length condition is set to be short, coverage and diversity values of solutions exceeding the summary length condition may be superior to coverage and diversity values of solutions satisfying the summary length condition. Therefore, there is a need to consider solutions that do not satisfy the summary sentence length condition in some cases. The penalty may be calculated as, for example, the ratio between the length exceeded and the specified summary length (overflow/limit).

도 3은 일 실시 예에 따른 문서의 요약문 제공 장치의 예시적인 동작을 설명하기 위한 도면이다.3 is a diagram for explaining an exemplary operation of an apparatus for providing a summary of a document according to an exemplary embodiment.

도 3을 참조하면, 일 실시 예에 따른 요약문 제공 장치는 유전 알고리즘을 이용하여 솔루션의 초기화를 수행하는 경우, 솔루션에 포함된 복수의 유전자의 값을 순차적으로 설정하되, 미리 설정된 요약문 길이 조건에 기초하여 상기 복수의 유전자의 값을 결정하기 위해 사용되는 확률 값을 조절할 수 있다.Referring to FIG. 3 , when a solution is initialized using a genetic algorithm, the apparatus for providing a summary statement according to an embodiment sequentially sets values of a plurality of genes included in the solution, but based on a preset summary length condition. By doing so, it is possible to adjust the probability value used to determine the value of the plurality of genes.

예를 들어, 요약문 제공 장치는 원본 문서의 분석 대상 문장이 10개인 경우, 10개의 유전자를 포함하는 염색체(솔루션)를 생성할 수 있다. 염색체를 초기화하는 경우, 1번째 유전자부터 10번째 유전자까지 0 또는 1의 값을 갖도록 순차적으로 생성될 수 있다. 요약문 길이 조건은, 예를 들어, 3개 문장으로 설정될 수 있다. 요약문 제공 장치는 후보 요약문의 길이가 3으로 설정될 확률이 높아지도록 유전자 설정에 사용되는 확률 값을 조절할 수 있다. 요약문 제공 장치는 요약문 길이 조건에 따라 σ를 조절함으로써, 후보 요약문의 길이가 3에 가까워지도록 염색체를 생성할 수 있다.For example, the apparatus for providing summary sentences may generate chromosomes (solutions) including 10 genes when there are 10 sentences to be analyzed in an original document. When initializing chromosomes, the 1st gene to the 10th gene may be sequentially generated to have a value of 0 or 1. The summary sentence length condition may be set to, for example, 3 sentences. The apparatus for providing a summary statement may adjust a probability value used for gene setting so that a probability that the length of the candidate summary statement is set to 3 increases. The apparatus for providing a summary sentence may generate chromosomes such that the length of the candidate summary sentence approaches 3 by adjusting σ according to the summary sentence length condition.

다른 예를 들면, 1번째 유전자가 1로, 2번째 유전자가 0으로, 3번재 유전자가 0으로, 4번째 유전자가 1로, 5번째 유전자가 1로 설정된 경우, 기설정된 유전자에 대응하는 후보 요약문은 3개 문장을 포함할 수 있다. 기설정된 유전자에 대응하는 후보 요약문에 포함된 문장의 수가 증가할수록 유전자가 1로 설정될 확률은 감소할 수 있다. 이 경우, 6번째 유전자 내지 10번째 유전자 중 하나라도 1로 설정되면, 생성된 염색체는 요약문 길이 조건을 만족하지 못할 수 있다. 따라서, 6번째 유전자 내지 10번째 유전자는 0으로 설정될 수 있다. 이로써, 길이가 3 이하인 후보 요약문에 대응하도록 염색체가 초기화될 수 있다.For another example, if the first gene is set to 1, the second gene is set to 0, the third gene is set to 0, the fourth gene is set to 1, and the fifth gene is set to 1, the candidate summary statement corresponding to the preset gene can contain 3 sentences. As the number of sentences included in the candidate summary corresponding to the preset gene increases, the probability that the gene is set to 1 may decrease. In this case, if any one of the 6th to 10th genes is set to 1, the generated chromosome may not satisfy the summary sentence length condition. Accordingly, the 6th to 10th genes may be set to 0. In this way, chromosomes can be initialized to correspond to candidate summaries of length 3 or less.

도 4는 일 실시 예에 따른 문서의 요약문 제공 장치의 예시적인 동작을 설명하기 위한 도면이다.4 is a diagram for explaining an exemplary operation of an apparatus for providing a summary of a document according to an exemplary embodiment.

도 4를 참조하면, 일 실시 예에 따른 요약문 제공 장치는 유전 알고리즘을 이용하여 솔루션의 초기화를 수행하는 경우, 솔루션에 포함된 복수의 유전자의 값을 순차적으로 설정하되, 미리 설정된 요약문 길이 조건에 기초하여 상기 복수의 유전자의 값을 결정하기 위해 사용되는 확률 값을 조절할 수 있다.Referring to FIG. 4 , when a solution is initialized using a genetic algorithm, the apparatus for providing a summary statement according to an embodiment sequentially sets values of a plurality of genes included in the solution, but based on a preset summary length condition. By doing so, it is possible to adjust the probability value used to determine the value of the plurality of genes.

예를 들어, 요약문 제공 장치는 원본 문서의 분석 대상 문장이 10개인 경우, 10개의 유전자를 포함하는 염색체(솔루션)를 생성할 수 있다. 염색체를 초기화하는 경우, 1번째 유전자부터 10번째 유전자까지 0 또는 1의 값을 갖도록 순차적으로 생성될 수 있다. 요약문 길이 조건은 범위로 설정될 수도 있고, 예를 들어, 3개 문장 내지 4개 문장으로 설정될 수 있다. 이 경우, 후보 요약문이 가급적으로 최소 3개 문장을 포함하고 최대 4개 문장을 포함하도록 염색체가 생성될 수 있다. 요약문 제공 장치는 후보 요약문의 길이가 3 내지 4로 설정될 확률이 높아지도록 유전자 설정에 사용되는 확률 값을 조절할 수 있다. 요약문 제공 장치는 요약문 길이 조건에 따라 σ를 α(예: 3) 내지 β(예: 4)로 임의로 조절함으로써, 후보 요약문의 길이가 3 내지 4에 가까워지도록 염색체를 생성할 수 있다.For example, the apparatus for providing summary sentences may generate chromosomes (solutions) including 10 genes when there are 10 sentences to be analyzed in an original document. When initializing chromosomes, the 1st gene to the 10th gene may be sequentially generated to have a value of 0 or 1. The summary sentence length condition may be set to a range, and may be set to, for example, 3 to 4 sentences. In this case, a chromosome can be generated so that the candidate summary preferably contains at least 3 sentences and contains at most 4 sentences. The apparatus for providing a summary sentence may adjust a probability value used for gene setting so that the probability of setting the length of the candidate summary sentence to 3 to 4 increases. The apparatus for providing a summary sentence may generate chromosomes so that the length of the candidate summary sentence approaches 3 to 4 by arbitrarily adjusting σ from α (eg, 3) to β (eg, 4) according to the summary sentence length condition.

다른 예를 들면, 기설정된 유전자에 대응하는 후보 요약문의 길이가 최소 길이보다 짧은 경우, 상대적으로 높은 확률로 유전자가 1로 설정될 수 있고(예: 1번째 유전자 내지 5번째 유전자 생성 시), 후보 요약문의 길이가 최소 길이보다 길고 최대 길이보다 짧은 경우 상대적으로 낮은 확률로 유전자가 1로 설정될 수 있다(예: 6번째 유전자 내지 9번째 유전자 생성 시). 기설정된 유전자에 대응하는 후보 요약문의 길이가 최대 길이에 도달한 경우, 나머지 유전자는 0으로 설정될 수 있다(예: 10번째 유전자 생성 시). 이로써, 길이가 3 이상이고 4 이하인 후보 요약문에 대응하도록 염색체가 초기화될 수 있다.For another example, if the length of the candidate summary corresponding to the predetermined gene is shorter than the minimum length, the gene may be set to 1 with a relatively high probability (eg, when generating the 1st to 5th genes), and the candidate If the length of the summary is longer than the minimum length and shorter than the maximum length, the gene may be set to 1 with a relatively low probability (eg, when generating the 6th to 9th genes). When the length of the candidate summary corresponding to the predetermined gene reaches the maximum length, the remaining genes may be set to 0 (eg, when the 10th gene is generated). In this way, chromosomes can be initialized to correspond to candidate summaries of length greater than or equal to 3 and less than or equal to 4.

도 5는 일 실시 예에 따른 문서의 요약문 제공 장치의 예시적인 동작을 설명하기 위한 도면이다.5 is a diagram for explaining an exemplary operation of an apparatus for providing a summary of a document according to an exemplary embodiment.

도 5의 (a)는 요약문 길이 조건을 적용하지 않고 초기화를 수행한 경우, 생성된 솔루션의 커버리지와 다이버시티 사이의 관계를 나타내는 그래프이다. 도 5의 (b)는 요약문 길이 조건을 적용하여 초기화를 수행한 경우, 생성된 솔루션의 커버리지와 다이버시티 사이의 관계를 나타내는 그래프이다.5(a) is a graph showing a relationship between coverage and diversity of a generated solution when initialization is performed without applying a summary sentence length condition. 5(b) is a graph showing a relationship between coverage and diversity of a generated solution when initialization is performed by applying a summary sentence length condition.

요약문의 길이 조건을 적용하지 않은 경우, 다수의 불필요한 문장을 포함할 수 있으므로, 다이버시티가 낮은 다수의 후보 요약문이 생성될 수 있다. 한편, 요약문의 길이 조건을 적용한 경우, 다양한 분포의 커버리지 및 다이버시티를 갖는 후보 요약문이 생성될 수 있다.If the summary sentence length condition is not applied, a large number of unnecessary sentences may be included, and thus a plurality of candidate summary sentences with low diversity may be generated. Meanwhile, when a summary length condition is applied, candidate summaries having various distributions of coverage and diversity may be generated.

도 6은 일 실시 예에 따른 문서의 요약문 제공 장치의 예시적인 동작을 설명하기 위한 도면이다.6 is a diagram for explaining an exemplary operation of an apparatus for providing a summary of a document according to an exemplary embodiment.

도 6을 참조하면, 일 실시 예에 따른 요약문 제공 장치는 유전 알고리즘을 이용하여 솔루션의 변이를 수행하는 경우, 미리 설정된 요약문 길이 조건 및 솔루션에 대응하는 요약문의 길이 정보에 기초하여 솔루션에 포함된 복수의 유전자의 변이 여부를 결정할 수 있다.Referring to FIG. 6 , when a solution variation is performed using a genetic algorithm, an apparatus for providing a summary sentence according to an embodiment of the present invention, based on a preset summary sentence length condition and summary sentence length information corresponding to a solution, includes a plurality of summaries included in the solution. It is possible to determine whether or not the gene of

예를 들어, 요약문 제공 장치는 10개의 유전자를 포함하는 염색체(솔루션)에 대한 변이를 수행할 수 있다. 염색체에 포함된 유전자를 변이시키는 경우, 유전자 값은 임의의 확률에 따라 변이될 수 있다. 요약문 제공 장치는 염색체에 포함된 0의 비율, 1의 비율, 요약문 길이 조건에 기초하여 유전자 변이에 사용되는 확률 값을 조절할 수 있다. 요약문 길이 조건은, 예를 들어, 3개 문장으로 설정될 수 있다. 염색체가 값이 1인 유전자를 2개 포함한 경우, 0인 유전자가 1로 변이될 확률은 상대적으로 높게 설정될 수 있다. 염색체가 값이 1인 유전자를 3개 포함한 경우, 0인 유전자가 1로 변이될 확률은 상대적으로 낮게 설정될 수 있다. 이로써, 후보 요약문의 길이가 3에 가까워지도록 염색체를 변이시킬 수 있다.For example, the apparatus for providing a summary sentence may perform mutation on a chromosome (solution) including 10 genes. When a gene included in a chromosome is mutated, the gene value can be mutated according to an arbitrary probability. The apparatus for providing a summary statement may adjust a probability value used for genetic mutation based on the ratio of 0's, the ratio of 1's, and summary sentence length conditions included in the chromosome. The summary sentence length condition may be set to, for example, 3 sentences. When a chromosome includes two genes having a value of 1, the probability of a gene having a value of 0 being mutated to 1 may be set relatively high. When a chromosome includes three genes having a value of 1, the probability of a gene having a value of 0 being mutated to 1 may be set to be relatively low. In this way, the chromosome can be mutated so that the length of the candidate summary approaches 3.

다른 예를 들면, 염색체가 값이 1인 유전자를 2개 포함한 경우, 값이 0인 7번째 유전자는 1로 변이될 수 있고, 염색체가 값이 1인 유전자를 3개 포함한 경우, 값이 0인 7번째 유전자는 변이되지 않을 수 있다. 이로써, 길이가 3 이하인 후보 요약문에 대응하도록 염색체가 변이될 수 있다.For another example, if the chromosome contains 2 genes with a value of 1, the 7th gene with a value of 0 can be mutated to 1, and if the chromosome contains 3 genes with a value of 1, the 7th gene with a value of 0 can be mutated. The seventh gene may not be mutated. As a result, chromosomes may be mutated to correspond to candidate summaries of length 3 or less.

도 7은 일 실시 예에 따른 문서의 요약문 제공 장치의 예시적인 동작을 설명하기 위한 도면이다.7 is a diagram for explaining an exemplary operation of an apparatus for providing a summary of a document according to an exemplary embodiment.

도 7을 참조하면, 일 실시 예에 따른 요약문 제공 장치는 유전 알고리즘을 이용하여 솔루션과 다른 솔루션의 교차를 수행하는 경우, 솔루션에서 선택된 유전자에 대응하는 요약문의 길이 정보 및 다른 솔루션에서 선택된 유전자에 대응하는 요약문의 길이 정보에 기초하여 교차의 수행 여부를 결정할 수 있다.Referring to FIG. 7 , when a solution and another solution are crossed using a genetic algorithm, the apparatus for providing a summary statement according to an embodiment corresponds to length information of a summary corresponding to a gene selected from a solution and a gene selected from another solution. It is possible to determine whether to perform intersection based on the length information of the summary sentence to be performed.

예를 들어, 요약문 제공 장치는 10개의 유전자를 포함하는 염색체(솔루션)에 대한 교차를 수행할 수 있다. 염색체를 교차시키는 경우, 교차 지점 및 교차 여부는 임의의 확률에 따라 결정될 수 있다. 요약문 제공 장치는 염색체에 포함된 0의 비율, 1의 비율, 요약문 길이 조건에 기초하여 교차에 사용되는 확률 값을 조절할 수 있다. 요약문 길이 조건은, 예를 들어, 3개 문장으로 설정될 수 있다. 교차될 염색체가 값이 1인 유전자를 3개 포함하는 경우, 교차를 수행할 확률은 상대적으로 높게 설정될 수 있다. 교차될 염색체가 값이 1인 유전자를 4개 포함하는 경우, 교차를 수행할 확률은 상대적으로 낮게 설정될 수 있다. 이로써, 후보 요약문의 길이가 3에 가까워지도록 염색체를 교차시킬 수 있다.For example, the apparatus for providing summary sentences may cross over chromosomes (solutions) including 10 genes. In the case of crossing chromosomes, the point of crossing and whether or not to cross may be determined according to random probability. The apparatus for providing a summary sentence may adjust a probability value used for crossover based on a ratio of 0's, a ratio of 1's, and summary sentence length conditions included in chromosomes. The summary sentence length condition may be set to, for example, 3 sentences. When a chromosome to be crossed includes three genes having a value of 1, the probability of crossover may be set to be relatively high. When a chromosome to be crossed includes 4 genes having a value of 1, the probability of crossover may be set to be relatively low. In this way, the chromosomes can be crossed so that the length of the candidate summary approaches 3.

다른 예를 들면, 교차될 염색체가 값이 1인 유전자를 3개 포함하는 경우, 교차가 수행될 수 있고, 교차될 염색체가 값이 1인 유전자를 4개 포함하는 경우, 교차가 수행되지 않을 수 있다. 이로써, 길이가 3 이하인 후보 요약문에 대응하도록 염색체가 교차될 수 있다.For another example, if the chromosome to be crossed contains 3 genes with a value of 1, crossover may be performed, and if the chromosome to be crossed contains 4 genes with a value of 1, crossover may not be performed. there is. In this way, chromosomes may be crossed to correspond to candidate summaries having a length of 3 or less.

도 8은 일 실시 예에 따른 문서의 요약문 제공 장치의 예시적인 동작을 설명하기 위한 도면이다.8 is a diagram for explaining an exemplary operation of an apparatus for providing a summary of a document according to an exemplary embodiment.

도 8을 참조하면, 일 실시 예에 따른 요약문 제공 장치는 복수의 솔루션 각각에 대한 커버리지 및 다이버시티에 기초하여 지정된 최적화 조건을 만족하는 하나 이상의 솔루션을 획득할 수 있다. 요약문은 원본 문서의 내용을 적절히 반영하는 동시에 불필요한 문장을 갖지 않아야 본연의 기능을 수행할 수 있다. 따라서, 제1 목적 함수 및 제2 목적 함수에 대한 다목적 최적화(multi-object optimization)를 수행함으로써, 고품질의 요약문을 도출할 수 있다.Referring to FIG. 8 , an apparatus for providing a summary statement according to an embodiment may obtain one or more solutions that satisfy a designated optimization condition based on coverage and diversity of each of a plurality of solutions. The summary should properly reflect the contents of the original document and should not contain unnecessary sentences to perform its original function. Accordingly, a high-quality summary sentence may be derived by performing multi-object optimization on the first and second objective functions.

도 8에 도시된 그래프는 유전 알고리즘에 의해 생성된 솔루션 중 파레토 최적 조건을 만족하는 솔루션의 커버리지와 다이버시티 사이의 관계를 나타낼 수 있다. 요약문 제공 장치는 커버리지와 다이버시티가 최적화 조건을 만족하는 하나 이상의 솔루션을 선택할 수 있다. 요약문 제공 장치는 최적화 조건을 만족하는 솔루션 중 커버리지가 높은 솔루션을 선택할 수도 있고, 다이버시티가 높은 솔루션을 선택할 수도 있고, 커버리지와 다이버시티의 균형이 이루어진 솔루션을 선택할 수도 있다. 요약문 제공 장치는 복수의 솔루션을 사용자에게 제공하고, 사용자의 선택을 유도할 수도 있다.The graph shown in FIG. 8 may represent a relationship between diversity and coverage of a solution that satisfies the Pareto optimum condition among solutions generated by the genetic algorithm. The summary statement providing device may select one or more solutions whose coverage and diversity satisfy optimization conditions. The summary providing device may select a solution with high coverage, a solution with high diversity, or a solution with a balance between coverage and diversity among solutions satisfying the optimization condition. The apparatus for providing a summary may provide a plurality of solutions to a user and induce a user's selection.

도 9는 일 실시 예에 따른 문서의 요약문 제공 방법을 설명하기 위한 흐름도이다.9 is a flowchart illustrating a method of providing a summary of a document according to an exemplary embodiment.

이하에서는 도 2의 문서의 요약문 제공 장치(200)가 도 9의 프로세스를 수행하는 것을 가정한다. 또한, 도 9의 설명에서, 문서의 요약문 제공 장치에 의해 수행되는 것으로 기술된 동작은 프로세서(230)에 의해 제어되는 것으로 이해될 수 있다.Hereinafter, it is assumed that the document summary providing apparatus 200 of FIG. 2 performs the process of FIG. 9 . Also, in the description of FIG. 9 , it may be understood that the operation described as being performed by the apparatus for providing a summary of a document is controlled by the processor 230 .

도 9를 참조하면, 단계 910에서, 장치는 유전 알고리즘을 이용하여 원본 문서에 포함된 분석 대상 문장 각각에 대응하는 복수의 유전자를 포함하고 분석 대상 문장으로부터 요약문의 생성을 위해 선택된 일부 문장을 나타내는 솔루션을 미리 설정된 요약문 길이 조건을 만족하도록 생성할 수 있다.Referring to FIG. 9 , in step 910, the device includes a plurality of genes corresponding to each of the target sentences included in the original document using a genetic algorithm and represents some sentences selected for generation of a summary from the target sentences to be analyzed. can be created to satisfy a preset summary length condition.

단계 920에서, 장치는 원본 문서에 포함된 분석 대상 문장과 솔루션에 대응하는 선택된 일부 문장 사이의 유사도와 연관된 제1 목적 함수를 이용하여 솔루션에 대한 커버리지를 산출할 수 있다.In operation 920, the device may calculate the coverage for the solution by using a first objective function related to the similarity between the sentence to be analyzed included in the original document and the selected some sentences corresponding to the solution.

단계 930에서, 장치는 솔루션에 대응하는 선택된 일부 문장 사이의 유사도와 연관된 제2 목적 함수를 이용하여 솔루션에 대한 다이버시티를 산출할 수 있다.In step 930, the device may calculate diversity for the solution using a second objective function associated with similarity between the selected partial sentences corresponding to the solution.

단계 940에서, 장치는 유전 알고리즘에 의해 생성된 복수의 솔루션 각각에 대한 커버리지 및 다이버시티에 기초하여 지정된 최적화 조건을 만족하는 하나 이상의 솔루션 각각에 대응하는 하나 이상의 요약문을 제공할 수 있다.In step 940, the apparatus may provide one or more summaries corresponding to each of one or more solutions that satisfy a designated optimization condition based on the coverage and diversity of each of the plurality of solutions generated by the genetic algorithm.

본 문서의 실시 예들 및 이에 사용된 용어들은 본 문서에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 해당 실시 예의 다양한 변경, 균등물, 및/또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및/또는 B 중 적어도 하나", "A, B 또는 C" 또는 "A, B 및/또는 C 중 적어도 하나" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. "제1," "제2," "첫째," 또는 "둘째," 등의 표현들은 해당 구성요소들을, 순서 또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 어떤 구성요소가 다른 구성요소에 "(기능적으로 또는 통신적으로) 연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소를 통하여 연결될 수 있다.The embodiments of this document and the terms used therein are not intended to limit the technology described in this document to a specific embodiment, and should be understood to include various modifications, equivalents, and/or substitutes of the embodiment. In connection with the description of the drawings, like reference numerals may be used for like elements. Singular expressions may include plural expressions unless the context clearly dictates otherwise. In this document, expressions such as "A or B", "at least one of A and/or B", "A, B or C" or "at least one of A, B and/or C" refer to all of the items listed together. Possible combinations may be included. Expressions such as "first," "second," "first," or "second," may modify the corresponding components regardless of order or importance, and are used to distinguish one component from another. It is used only and does not limit the corresponding components. When an element is referred to as being "(functionally or communicatively) connected" or "connected" to another element, that element is either directly connected to the other element, or through another element. can be connected through

본 문서에서, "~하도록 설정된(adapted to or configured to)"은 상황에 따라, 예를 들면, 하드웨어적 또는 소프트웨어적으로 "~에 적합한," "~하는 능력을 가지는," "~하도록 변경된," "~하도록 만들어진," "~를 할 수 있는," 또는 "~하도록 설계된"과 상호 호환적으로(interchangeably) 사용될 수 있다. 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 설정된 (또는 구성된) 프로세서"는 해당 동작들을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(예: CPU)를 의미할 수 있다.In this document, "adapted to or configured to" means "adapted to or configured to" depending on the situation, for example, hardware or software "adapted to," "having the ability to," "changed to," ""made to," "capable of," or "designed to" can be used interchangeably. In some contexts, the expression "device configured to" can mean that the device is "capable of" in conjunction with other devices or components. For example, the phrase "a processor set up (or configured) to perform A, B, and C" may include a dedicated processor (e.g., embedded processor) to perform those operations, or by executing one or more programs stored in a memory device; It may refer to a general-purpose processor (eg, CPU) capable of performing corresponding operations.

본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어(firmware)로 구성된 유닛(unit)을 포함하며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. "모듈"은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수 있다. "모듈"은 기계적으로 또는 전자적으로 구현될 수 있으며, 예를 들면, 어떤 동작들을 수행하는, 알려졌거나 앞으로 개발될, ASIC(application-specific integrated circuit) 칩, FPGAs(field-programmable gate arrays), 또는 프로그램 가능 논리 장치를 포함할 수 있다.The term "module" used in this document includes a unit composed of hardware, software, or firmware, and may be used interchangeably with terms such as logic, logic blocks, parts, or circuits, for example. can A “module” may be an integrally constructed component or a minimal unit or part thereof that performs one or more functions. A "module" may be implemented mechanically or electronically, for example, a known or future developed application-specific integrated circuit (ASIC) chip, field-programmable gate arrays (FPGAs), or A programmable logic device may be included.

일 실시 예에 따른 장치(예: 모듈들 또는 그 기능들) 또는 방법(예: 동작들)의 적어도 일부는 프로그램 모듈의 형태로 컴퓨터로 판독 가능한 저장 매체에 저장된 명령어로 구현될 수 있다. 상기 명령어가 프로세서에 의해 실행될 경우, 프로세서가 상기 명령어에 해당하는 기능을 수행할 수 있다.At least a part of an apparatus (eg, modules or functions thereof) or a method (eg, operations) according to an embodiment may be implemented as instructions stored in a computer-readable storage medium in the form of a program module. When the command is executed by a processor, the processor may perform a function corresponding to the command.

일 실시 예에 따른 구성 요소(예: 모듈 또는 프로그램 모듈) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소를 더 포함할 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램 모듈)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다. 일 실시 예에 따른 모듈, 프로그램 모듈 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱(heuristic)하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.Each component (eg, module or program module) according to an embodiment may be composed of one or more entities, and some sub-components among the aforementioned sub-components may be omitted or other sub-components may be used. can include more. Alternatively or additionally, some components (eg, modules or program modules) may be integrated into one entity and perform the same or similar functions performed by each corresponding component prior to integration. Operations performed by modules, program modules, or other components according to an embodiment are executed sequentially, in parallel, repetitively, or heuristically, or at least some operations are executed in a different order, omitted, or other operations. this may be added.

Claims (12)

문서의 요약문 제공 장치에 있어서,
외부로부터 원본 문서를 수신하는 통신 회로;
상기 원본 문서를 저장하는 메모리; 및
상기 통신 회로 및 상기 메모리와 전기적으로 연결된 프로세서를 포함하고,
상기 프로세서는,
유전 알고리즘을 이용하여 상기 원본 문서에 포함된 분석 대상 문장 각각에 대응하는 복수의 유전자를 포함하는 솔루션을 미리 설정된 요약문 길이 조건을 만족하도록 생성하고, - 상기 솔루션은 상기 분석 대상 문장으로부터 후보 요약문의 생성을 위해 선택된 일부 문장을 나타냄 -
상기 원본 문서에 포함된 상기 분석 대상 문장과 상기 솔루션에 대응하는 상기 선택된 일부 문장 사이의 유사도와 연관된 제1 목적 함수를 이용하여 상기 솔루션에 대한 커버리지를 산출하고,
상기 솔루션에 대응하는 상기 선택된 일부 문장 사이의 유사도와 연관된 제2 목적 함수를 이용하여 상기 솔루션에 대한 다이버시티를 산출하고,
상기 유전 알고리즘에 의해 생성된 복수의 솔루션 각각에 대하여 상기 제1 목적 함수에 의해 산출된 상기 커버리지 및 상기 제2 목적 함수에 의해 산출된 상기 다이버시티에 대한 다목적 최적화를 수행함으로써, 하나 이상의 솔루션 각각에 대응하는 하나 이상의 요약문을 제공하는 것을 특징으로 하는, 장치.In the apparatus for providing a summary of a document,
a communication circuit for receiving an original document from the outside;
a memory for storing the original document; and
a processor electrically connected to the communication circuitry and the memory;
the processor,
Using a genetic algorithm, a solution including a plurality of genes corresponding to each target sentence included in the original document is generated to satisfy a preset summary length condition, - the solution generates a candidate summary sentence from the target sentence to be analyzed Represents some sentences selected for -
Calculating coverage for the solution using a first objective function associated with a degree of similarity between the sentence to be analyzed included in the original document and the selected some sentences corresponding to the solution;
Calculating diversity for the solution using a second objective function associated with similarity between the selected partial sentences corresponding to the solution;
For each of a plurality of solutions generated by the genetic algorithm, multi-purpose optimization is performed on the coverage calculated by the first objective function and the diversity calculated by the second objective function, so that each of one or more solutions characterized by providing one or more corresponding summaries. 제 1 항에 있어서,
상기 프로세서는,
상기 유전 알고리즘을 이용하여 상기 솔루션의 초기화를 수행하는 경우, 상기 솔루션에 포함된 상기 복수의 유전자의 값을 순차적으로 설정하되, 상기 미리 설정된 요약문 길이 조건에 기초하여 상기 복수의 유전자의 값을 결정하기 위해 사용되는 확률 값을 조절하는 것을 특징으로 하는, 장치.According to claim 1,
the processor,
When initializing the solution using the genetic algorithm, sequentially setting the values of the plurality of genes included in the solution, and determining the values of the plurality of genes based on the preset summary length condition characterized in that for adjusting the probability value used for the device. 제 1 항에 있어서,
상기 프로세서는,
상기 유전 알고리즘을 이용하여 상기 솔루션의 변이를 수행하는 경우, 상기 미리 설정된 요약문 길이 조건 및 상기 솔루션에 대응하는 상기 후보 요약문의 길이 정보에 기초하여 상기 솔루션에 포함된 상기 복수의 유전자의 변이 여부를 결정하는 것을 특징으로 하는, 장치.According to claim 1,
the processor,
When the mutation of the solution is performed using the genetic algorithm, it is determined whether the plurality of genes included in the solution are mutated based on the preset summary length condition and the length information of the candidate summary corresponding to the solution. Characterized in that, the device. 제 1 항에 있어서,
상기 프로세서는,
상기 유전 알고리즘을 이용하여 상기 솔루션과 다른 솔루션의 교차를 수행하는 경우, 상기 솔루션에서 선택된 유전자에 대응하는 요약문의 길이 정보 및 상기 다른 솔루션에서 선택된 유전자에 대응하는 요약문의 길이 정보에 기초하여 상기 교차의 수행 여부를 결정하는 것을 특징으로 하는, 장치.According to claim 1,
the processor,
When crossing the solution and another solution is performed using the genetic algorithm, the length information of the summary corresponding to the gene selected in the solution and the length information of the summary corresponding to the gene selected in the other solution Characterized in that, the device determines whether to perform. 제 1 항에 있어서,
상기 커버리지는 상기 분석 대상 문장에 대응하는 벡터와 상기 선택된 일부 문장에 대응하는 벡터 사이의 유사도 및 상기 분석 대상 문장에 대응하는 벡터와 상기 선택된 일부 문장 각각에 대응하는 복수의 문장 벡터 각각 사이의 유사도에 기초하여 산출되는 것을 특징으로 하는, 장치.According to claim 1,
The coverage is based on a similarity between a vector corresponding to the analysis target sentence and a vector corresponding to the selected partial sentence, and a similarity between a vector corresponding to the analysis target sentence and a plurality of sentence vectors corresponding to each of the selected partial sentences. Characterized in that, the device is calculated based on. 제 5 항에 있어서,
상기 커버리지는 미리 저장된 지식 기반(knowledge-based) 데이터베이스에 기초하여 산출되는 상기 선택된 일부 문장에 포함된 단어의 중요도에 기초하여 산출되는 것을 특징으로 하는, 장치.According to claim 5,
The apparatus, characterized in that the coverage is calculated based on the importance of words included in the selected partial sentences calculated based on a pre-stored knowledge-based database. 제 5 항에 있어서,
상기 커버리지는 상기 선택된 일부 문장에 대응하는 토픽 키워드에 포함된 단어의 개수 및 상기 토픽 키워드에 포함된 단어의 분포 밀도에 기초하여 산출되는 것을 특징으로 하는, 장치.According to claim 5,
The device characterized in that the coverage is calculated based on the number of words included in topic keywords corresponding to the selected partial sentences and the distribution density of words included in the topic keywords. 제 1 항에 있어서,
상기 다이버시티는 상기 선택된 일부 문장 사이의 유사도가 감소함에 따라 증가하는 것을 특징으로 하는, 장치.According to claim 1,
The diversity is characterized in that it increases as the degree of similarity between the selected partial sentences decreases. 제 1 항에 있어서,
상기 프로세서는,
상기 커버리지 및 상기 다이버시티가 파레토 최적에 따른 지정된 조건을 만족하는 상기 하나 이상의 솔루션을 획득하고,
상기 하나 이상의 솔루션 각각에 대응하는 하나 이상의 요약문을 생성하는 것을 특징으로 하는, 장치.According to claim 1,
the processor,
Obtaining the one or more solutions whose coverage and diversity satisfy specified conditions according to Pareto Optimization;
characterized in that for generating one or more summaries corresponding to each of the one or more solutions. 제 1 항에 있어서,
상기 프로세서는,
상기 미리 설정된 요약문 길이 조건을 만족하지 않는 솔루션이 생성되면, 상기 생성된 솔루션이 지정된 최적화 조건을 만족하는지 여부를 판단할 때, 상기 생성된 솔루션에 대응하는 요약문이 초과한 길이에 따른 페널티를 적용하는 것을 특징으로 하는, 장치.According to claim 1,
the processor,
When a solution that does not satisfy the preset summary length condition is generated, when determining whether the generated solution satisfies a specified optimization condition, applying a penalty according to the length of the summary corresponding to the generated solution. Characterized in that, the device. 컴퓨팅 디바이스에 포함된 프로세서에 의해 수행되는 문서의 요약문 제공 방법에 있어서,
유전 알고리즘을 이용하여 원본 문서에 포함된 분석 대상 문장 각각에 대응하는 복수의 유전자를 포함하는 솔루션을 미리 설정된 요약문 길이 조건을 만족하도록 생성하는 단계; - 상기 솔루션은 상기 분석 대상 문장으로부터 후보 요약문의 생성을 위해 선택된 일부 문장을 나타냄 -
상기 원본 문서에 포함된 상기 분석 대상 문장과 상기 솔루션에 대응하는 상기 선택된 일부 문장 사이의 유사도와 연관된 제1 목적 함수를 이용하여 상기 솔루션에 대한 커버리지를 산출하는 단계;
상기 솔루션에 대응하는 상기 선택된 일부 문장 사이의 유사도와 연관된 제2 목적 함수를 이용하여 상기 솔루션에 대한 다이버시티를 산출하는 단계; 및
상기 유전 알고리즘에 의해 생성된 복수의 솔루션 각각에 대하여 상기 제1 목적 함수에 의해 산출된 상기 커버리지 및 상기 제2 목적 함수에 의해 산출된 상기 다이버시티에 대한 다목적 최적화를 수행함으로써, 하나 이상의 솔루션 각각에 대응하는 하나 이상의 요약문을 제공하는 단계를 포함하는 것을 특징으로 하는, 방법.A method for providing a summary of a document performed by a processor included in a computing device, comprising:
generating a solution including a plurality of genes corresponding to each of the analysis target sentences included in the original document using a genetic algorithm to satisfy a preset summary sentence length condition; -The solution represents some sentences selected for generating candidate summaries from the sentences to be analyzed-
Calculating coverage for the solution using a first objective function associated with a degree of similarity between the sentence to be analyzed included in the original document and the selected partial sentence corresponding to the solution;
calculating diversity for the solution using a second objective function associated with similarity between the selected partial sentences corresponding to the solution; and
For each of a plurality of solutions generated by the genetic algorithm, multi-purpose optimization is performed on the coverage calculated by the first objective function and the diversity calculated by the second objective function, so that each of one or more solutions and providing one or more corresponding summaries. 컴퓨팅 디바이스에 포함된 적어도 하나의 프로세서에 의해 실행 가능한 명령어가 저장된 컴퓨터 기록 매체에 있어서,
상기 명령어는, 상기 적어도 하나의 프로세서로 하여금,
유전 알고리즘을 이용하여 원본 문서에 포함된 분석 대상 문장 각각에 대응하는 복수의 유전자를 포함하는 솔루션을 미리 설정된 요약문 길이 조건을 만족하도록 생성하고, - 상기 솔루션은 상기 분석 대상 문장으로부터 후보 요약문의 생성을 위해 선택된 일부 문장을 나타냄 -
상기 원본 문서에 포함된 상기 분석 대상 문장과 상기 솔루션에 대응하는 상기 선택된 일부 문장 사이의 유사도와 연관된 제1 목적 함수를 이용하여 상기 솔루션에 대한 커버리지를 산출하고,
상기 솔루션에 대응하는 상기 선택된 일부 문장 사이의 유사도와 연관된 제2 목적 함수를 이용하여 상기 솔루션에 대한 다이버시티를 산출하고,
상기 유전 알고리즘에 의해 생성된 복수의 솔루션 각각에 대하여 상기 제1 목적 함수에 의해 산출된 상기 커버리지 및 상기 제2 목적 함수에 의해 산출된 상기 다이버시티에 대한 다목적 최적화를 수행함으로써, 하나 이상의 솔루션 각각에 대응하는 하나 이상의 요약문을 제공하도록 하는 것을 특징으로 하는, 컴퓨터 기록 매체.A computer recording medium in which instructions executable by at least one processor included in a computing device are stored,
The command causes the at least one processor to:
Using a genetic algorithm, a solution including a plurality of genes corresponding to each of the target sentences included in the original document is generated to satisfy a preset summary length condition, - the solution generates a candidate summary from the analysis target sentence Represents some sentences selected for -
Calculating coverage for the solution using a first objective function associated with a degree of similarity between the sentence to be analyzed included in the original document and the selected some sentences corresponding to the solution;
Calculating diversity for the solution using a second objective function associated with similarity between the selected partial sentences corresponding to the solution;
For each of a plurality of solutions generated by the genetic algorithm, multi-purpose optimization is performed on the coverage calculated by the first objective function and the diversity calculated by the second objective function, so that each of one or more solutions A computer recording medium characterized by providing one or more corresponding summaries.
KR1020210068668A 2020-05-27 2021-05-27 Apparatus and method for providing summary of document KR102565149B1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20200063456 2020-05-27
KR1020200063456 2020-05-27

Publications (2)

Publication Number Publication Date
KR20210146833A KR20210146833A (en) 2021-12-06
KR102565149B1 true KR102565149B1 (en) 2023-08-09

Family

ID=78901446

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210068668A KR102565149B1 (en) 2020-05-27 2021-05-27 Apparatus and method for providing summary of document

Country Status (1)

Country Link
KR (1) KR102565149B1 (en)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004199680A (en) * 2002-12-16 2004-07-15 Xerox Corp System and method for displaying interactive topic-based text summary
KR101508260B1 (en) * 2014-02-04 2015-04-07 성균관대학교산학협력단 Summary generation apparatus and method reflecting document feature
JP2019121139A (en) * 2017-12-29 2019-07-22 Ａｉｒｅｖ株式会社 Summarizing device, summarizing method, and summarizing program

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102542049B1 (en) * 2017-08-01 2023-06-12 삼성전자주식회사 Apparatus and Method for providing a summarized information using a artificial intelligence model

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004199680A (en) * 2002-12-16 2004-07-15 Xerox Corp System and method for displaying interactive topic-based text summary
KR101508260B1 (en) * 2014-02-04 2015-04-07 성균관대학교산학협력단 Summary generation apparatus and method reflecting document feature
JP2019121139A (en) * 2017-12-29 2019-07-22 Ａｉｒｅｖ株式会社 Summarizing device, summarizing method, and summarizing program

Also Published As

Publication number Publication date
KR20210146833A (en) 2021-12-06

Similar Documents

Publication Publication Date Title
JP6955580B2 (en) Document summary automatic extraction method, equipment, computer equipment and storage media
Olabiyi et al. Multi-turn dialogue response generation in an adversarial learning framework
EP3568811A1 (en) Training machine learning models
US8010535B2 (en) Optimization of discontinuous rank metrics
CN109508374B (en) Text data semi-supervised clustering method based on genetic algorithm
US8639643B2 (en) Classification of a document according to a weighted search tree created by genetic algorithms
JP6848091B2 (en) Information processing equipment, information processing methods, and programs
Singh et al. A constrained multi-objective surrogate-based optimization algorithm
KR20160083111A (en) Weight benefit evaluator for training data
WO2023029356A1 (en) Sentence embedding generation method and apparatus based on sentence embedding model, and computer device
JP2020512651A (en) Search method, device, and non-transitory computer-readable storage medium
WO2018057161A2 (en) Technologies for node-degree based clustering of data sets
WO2017074368A1 (en) Machine learning classifiers
WO2014073206A1 (en) Information-processing device and information-processing method
CN116822651A (en) Large model parameter fine adjustment method, device, equipment and medium based on incremental learning
JP6230987B2 (en) Language model creation device, language model creation method, program, and recording medium
US10339407B2 (en) Noise mitigation in vector space representations of item collections
CN113239697B (en) Entity recognition model training method and device, computer equipment and storage medium
US20140279742A1 (en) Determining an obverse weight
CN112232492B (en) Decoupling-based heterogeneous network embedding method and device and electronic equipment
CN110825873B (en) Method and device for expanding log exception classification rule
KR102565149B1 (en) Apparatus and method for providing summary of document
CN111144098B (en) Recall method and device for extended question
CN110555099B (en) Computer-implemented method and apparatus for language processing using neural networks
US11676050B2 (en) Systems and methods for neighbor frequency aggregation of parametric probability distributions with decision trees using leaf nodes

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right