طريقة جديدة في تحسين الجاذبية لتلخيص النص العربي بالاستخلاص
محتوى المقالة الرئيسي
الملخص
يحاكي نظام تلخيص النص التلقائي كيفية تلخيص البشر من خلال اختيار الجمل الأكثر أهمية في النص المصدر. ومع ذلك ، أصبحت تعقيدات اللغة العربية صعبة للحصول على المعلومات بسرعة وفعالية. يتمثل العيب الرئيسي في الأساليب التقليدية في أنها مقيدة بشكل صارم (خاصة بالنسبة للغة العربية) من خلال دقة وظائف ميزات الجملة ومخططات الترجيح وحسابات التشابه. من ناحية أخرى ، تتميز مناهج البحث المسماة metaheuristic بميزة تتسامح مع عدم الدقة ، وتحصل على نتائج محظورة ، ولا تلتزم بشكل صارم بالقيود المذكورة أعلاه. استخدمت هذه الورقة خوارزمية تحسين الجاذبية (GOA) ، وهي منهج ماورائي قوي قائم على قانون الجاذبية ، لمواجهة التحدي المتمثل في تلخيص النصوص العربية. يتم اشتقاق الوظيفة الموضوعية لخوارزمية GOA بناءً على أهمية الجملة ، مثل طولها ودرجة التشابه والموضع وتكرار المصطلح الإحصائي وملكية الكيان المحدد. تم استخدام مجموعة الملخصات العربية من Essex (EASC) لتقييم الطريقة المقترحة وتم قياسها من خلال الاستدعاء الموجه نحو الاسترداد لتقييم التلاعب (ROUGE). حقق النهج المقترح 68.04٪ استرجاع ، 58.49٪ دقة ، 60.05٪ قياس F1 باستخدام ROUGE-1 ، أعلى من الملخصات القياسية والنُهج المسماة metaheuristic.
Received 11/09/2022,
Revised 11/03/2023,
Accepted 13/03/2023,
Published Online First 20/07/2023
تفاصيل المقالة
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
كيفية الاقتباس
المراجع
Gupta V, Lehal GS. A Survey of Text Summarization Extractive Techniques. J Emerg Technol Web Intell. 2010; 2: 258-268. http://www.jetwi.us/uploadfile/2014/1226/20141226030617764.pdf
Mani K, Verma I, Meisheri H, Dey L. Multi-document summarization using distributed bag-of-words model. IEEE/WIC/ACM Int Conf Web Intell (WI). 2018; 672-675. https://doi.org/10.1109/WI.2018.00-14
To HQ, Nguyen KV, Nguyen NL-T, Nguyen AG-T. Monolingual versus Multilingual BeRTology for Vietnamese Extractive Multi-Document Summarization. arXiv preprint. arXiv. 2021. 2108.13741. https://doi.org/10.48550/arXiv.2108.13741
Al-Saleh AB, Menai MEB. Automatic Arabic text summarization: a survey. Artif Intell Rev. 2016; 45: 203–234. https://doi.org/10.1007/s10462-015-9442-x
Al Qassem LM, Wang D, Al Mahmoud Z, Barada H, Al-Rubaie A, Almoosa NI. Automatic Arabic summarization: a survey of methodologies and systems. Procedia Comput Sci. 2017; 117: 10–18. https://doi.org/10.1016/j.procs.2017.10.088
Mirshojaei SH, Masoomi B. Text summarization using cuckoo search optimization algorithm. J Comput Robot. 2015; 8: 19–24. https://jcr.qazvin.iau.ir/article_683_e08cfc39b8a850adf76246e0096d3d22.pdf
Hassan OF. Text summarization using ant colony optimization algorithm. Sudan University of Science and Technology, 2015. https://repository.sustech.edu/handle/123456789/11173
Sanchez-Gomez JM, Vega-Rodríguez MA, Pérez CJ. Extractive multi-document text summarization using a multi-objective artificial bee colony optimization approach. Knowl Based Syst. 2018; 159: 1–8. https://doi.org/10.1016/j.knosys.2017.11.029
Gamal M, El-Sawy A, AbuEl-Atta AH. Hybrid Algorithm Based on Chicken Swarm Optimization and Genetic Algorithm for Text Summarization. Int J Intell Eng Syst. 2021; 14: 319-331. http://www.inass.org/2021/2021063027.pdf
Jaradat YA, Al-Taani AT. Hybrid-based Arabic single-document text summarization approach using genatic algorithm. 2016 7th Int Conf Inf Commun Syst. 2016; 85–91. https://doi.org/10.1109/IACS.2016.7476091
Alwan MA, Onsi HM. A Proposed Textual Graph Based Model for Arabic Multi-document Summarization. Int J Adv Comput Sci Appl. 2016; 7: 435-439. https://dx.doi.org/10.14569/IJACSA.2016.070656
Azmi AM, Altmami NI. An abstractive Arabic text summarizer with user controlled granularity. Inf Process Manag. 2018: 54: 903–921. https://doi.org/10.1016/j.ipm.2018.06.002
Al-Maleh M, Desouki S. Arabic text summarization using deep learning approach. J Big Data. 2020; 7: 1–17. https://doi.org/10.1186/s40537-020-00386-7
Suleiman D, Awajan R. Deep learning based abstractive Arabic text summarization using two layers encoder and one layer decoder. J Theor Appl Inf Technol. 2020; 98: 3233-3244. file:///home/uu/Downloads/5Vol98No16.pdf
Al-Abdallah RZ, Al-Taani AT. Arabic single-document text summarization using particle swarm optimization algorithm. Procedia Comput Sci. 2017; 117: 30–37. https://doi.org/10.1016/j.procs.2017.10.091
Al-Abdallah RZ, Al-Taani AT. Arabic text summarization using firefly algorithm. Amity Int Conf Artif Intell 2019; 61–65. https://doi.org/10.1109/AICAI.2019.8701245
Qaroush A, Farha IA, Ghanem W, Washaha M, Maali E. An efficient single document Arabic text summarization using a combination of statistical and semantic features. J King Saud Univ- Comput Inf Sci. 2021; 33: 677-692. https://doi.org/10.1016/j.jksuci.2019.03.010
Al-Radaideh QA, Bataineh DQ. A Hybrid Approach for Arabic Text Summarization Using Domain Knowledge and Genetic Algorithms. Cognit Comput. 2018; 10: 651–669. https://doi.org/10.1007/s12559-018-9547-z
Ali ZH, Hussein AK, Abass HK, Fadel E. Extractive multi document summarization using harmony search algorithm. Telkomnika, Telecomm Comput, Electro Cont. 2021; 19: 89–95. http://doi.org/10.12928/telkomnika.v19i1.15766
Elmadani KN, Elgezouli M, Showk A. BERT Fine-tuning for Arabic Text Summarization. arXiv.2020; 2004. 14135. https://doi.org/10.48550/arXiv.2004.14135
Rashedi E, Nezamabadi-Pour H, Saryazdi S. GSA: a gravitational search algorithm. Inf Sci. 2009; 179: 2232–2248. https://doi.org/10.1016/j.ins.2009.03.004
Hassan AKA, Hadi MJ. Distributed Information Retrieval Based on Metaheuristic Search and Query Expansion. J Kufa Math Comput; 2017; 4.3: 4-11. https://doi.org/10.31642/JoKMC/2018/040302
Iqbal Z, Ilyas R, Chan HY, Ahmed N. Effective Solution of University Course Timetabling Using Particle Swarm Optimizer based Hyper Heuristic Approach. Baghdad Sci J. 2021; 18: 1465- 1475. https://doi.org/10.21123/bsj.2021.18.4(Suppl.).1465
Al-Behadili HNK. Improved Firefly Algorithm with Variable Neighborhood Search for Data Clustering. Baghdad Sci J. 2022; 19: 409- 421. https://doi.org/10.21123/bsj.2022.19.2.0409