
327
9
장
텍스트 요약
이 방법은
TF
-
IDF
값을 사용해 텍스트의 중간 표현을 만들고, 이를 기반으로 문장에 점수를
매긴 후 점수가 가장 높은 세 문장을 선택했다. 이 방법으로 선택한 문장은 이전에 수동으로 작
성한 요약과 일치하고 기사에서 다루는 주요 요점을 포착했다. 업계에서 퀄컴
Qualcomm
의 중요
성 및
5G
기술의 특정 응용 프로그램 같은 일부 뉘앙스가 누락되었다. 그러나 이 방법은 중요
한 문장을 빠르게 식별하고 뉴스 기사의 요약을 자동으로 생성하는 좋은 전략이다. 이 부분을
tfidf
_
summary
함수로 래핑하겠다. 이 함수는 예시 코드 노트북에 정의되었으며 이 장의 뒷
부분에서 재사용하니 참고하자.
9.3.2
LSA
알고리즘
추출 기반 요약에 사용되는 최신 방법 하나는 잠재 의미 분석
latent
semantic
analysis
(
LSA
)이다.
LSA
는 토픽 모델링, 문서 유사성 및 기타 작업에 사용되는 범용 알고리즘이다.
LSA
는 의미가
비슷한 단어가 동일한 문서에 등장할 것이라고 가정한다. 먼저
LSA
알고리즘에서는 전체 기사
를 문장-용어 행렬의 형태로 나타낸다. 문서-용어 행렬의 개념은
8
장에 소개했으며 문장-용
어 행렬에 맞게 개념을 조정할 수 있다. 각 행은 문장을 나타내고 각 열은 단어를 나타낸다. 이
행렬의 각 칸 값은 종종