2008.11.06
An Exploration of Document Impact on Graph-Based Multi-Document Summarization
Xiaojun Wan. An Exploration of Document Impact on Graph-Based Multi-Document Summarization.
重要文抽出タスクの既存手法として，文をノードとし，文の（コサイン）類似度をエッジとしたグラフを構築し，PageRankアルゴリズムで，文の重要度を計算する手法がある．この手法の問題点は，文の重要度が文間の類似度のみで決まってしまうことである．すなわち，ある文vがあるとき，その文が属している文書d_vのトピックの中心性や，d_vにおけるvの出現位置に基づく重要度などのファクターを取り込むことができない．
本論文は，文uとvのエッジの重みw_{uv}を，次式で計算する．
- w_{uv} = sim(u, v) {λ π(d_u) ω(u, d_u) + (1 – λ) π(d_v) ω(v, d_v)}
ここで，π(d_u) は文書d_uの重み，ω(u, d_u) は文uの重みである．文書dの重み π(d_u) は，その文書の要約対象文書集合に対するトピック（内容語）の類似度，文書をノードとしてPageRankアルゴリズムを適用したときの活性値などを用いて求める．文vの重み ω(u, d_u) は，文書d_vにおける相対位置や，文書d_v全体に対するトピックの類似度などで計算する．
文グラフのエッジの重みに，文書の重要度や文の重要度などの要素を混ぜ込んでしまい，PageRankの「多くの重要な文と類似する文は重要である」という仮定を破壊し，アルゴリズムの正当性を失わせているので，個人的にはまずいと思う．文ごとにランダム・ウォークの確率を調整するなど，別のやり方があったはず．
Trackback URL
Comment & Trackback
Comment feed
Comment