Αυτόματη εξαγωγή περίληψης με χρήση νευρωνικών δικτύων γράφων και θεματικής μοντελοποίησης

• Κύριος συγγραφέας: Αρβανίτης, Ερμής Ιωάννης
• Άλλοι συγγραφείς: Arvanitis, Ermis Ioannis
• Γλώσσα: Greek
• Έκδοση: 2023
• Θέματα: Αυτοματοποιημένη περίληψη; Νευρωνικά δίκτυα γράφων; Θεματική μοντελοποίηση; Automatic text summarization; Graph Neural Networks (GNNs); Topic modeling

Η εποχή μας χαρακτηρίζεται τον τεράστιο όγκο πληροφορίας με τον οποίο έρχεται αντιμέτωπος ο σημερινός άνθρωπος. Προκειμένου να μπορέσει να την διαχειριστεί αποτελεσματικά είναι σημαντικό να μπορεί να έχει την δυνατότητα να διαβάσει συνόψεις έναντι ολόκληρου του κειμένου ή άρθρου. Οπότε κρίνονται ιδιαίτερα χρήσιμα τα συστήματα που παράγουν αυτοματοποιημένες περιλήψεις ώστε να μπορέσουν να διευκολύνουν τον αναγνώστη. Όμως οι περιλήψεις που παράγονται από υπολογιστές δυσκολεύονται να εντοπίσουν την σχέση μεταξύ προτάσεων καθώς χρησιμοποιούνται κυρίως ακολουθιακά νευρωνικά δίκτυα. Έτσι κρίνεται αναγκαίο να χρησιμοποιηθούν διαφορετικές μοντελοποιήσεις των κειμένων έτσι ώστε να αναπαρίστανται καλύτερα τα δεδομένα. Αυτό το πρόβλημα έρχονται να λύσουν τα Graph Neural Networks τα οποία είναι ικανά να διαχειριστούν δεδομένα τα οποία που έχουν μορφή γραφήματος. Συνεπώς μπορούμε να δώσουμε σαν είσοδο σε αυτά τα δίκτυα γραφήματα που αναπαριστούν τις σχέσεις μεταξύ των προτάσεων εμπλουτισμένα με επιπλέον χρήσιμες πληροφορίες. Αυτή η προσέγγιση έχει αποδώσει αξιοσημείωτα αποτελέσματα ιδίως σε μεγάλα κείμενα που η πληροφορία μπορεί να επαναλαμβάνεται σε διαφορετικά σημεία του κειμένου. Σε αυτή την διπλωματική θα γίνει μια ανασκόπηση γύρω από την θεωρία πίσω από την μηχανική μάθηση μέσω γραφημάτων, θα αναλυθεί το πρόβλημα της αυτοματοποιημένης περίληψης και τέλος θα υλοποιηθεί και θα αξιολογηθεί ένα σύστημα το οποίο θα παράγει αυτοματοποιημένες περιλήψεις με εξαγωγικό τρόπο με την χρήση Νευρωνικών Δικτύων Γράφων και Θεματικής Μοντελοποίησης.