tiivistystulosta

Tiivistystulosta on tiivistetyn tekstin lopputulos, joka sisältää alkuperäisen materiaalin keskeisimmät tiedot ja ideat mahdollisimman lyhyessä muodossa. Sitä käytetään usein tiedon nopeaan omaksumiseen, tiedonlevitykseen tai arkistointiin, jolloin pitkä teksti voidaan ymmärtää ilman sen koko sisällön lukemista.

Tiivistystulosta voidaan luokitella kahteen päätyyppiin: extractive- ja abstraktiotiivistykset. Extractive-tiivistystulosta pitää sisällään suoraan alkuperäisten lauseiden lauseita, valiten olennaiset osat sellaisenaan. Abstrakti tiivistystulostetta puolestaan muodostaa uuden, tiivistetyn tekstin, joka voi muotoilla ja yhdistellä tietoja uudella tavalla. Monissa järjestelmiss yhdistetään näitä lähestymistapoja. Tiivistystulostetta voidaan tehdä yhdellä vai useammalla lauseella, ja se voi suunnata yleisökohtaisesti esimerkiksi yksi- tai useampisivuiseksi yhteenvedoksi.

Prosessi koostuu yleensä datan esikäsittelystä, tekstin jäsentelystä, tiivistämisen algoritmisen valinnan sekä lopullisen outputin muodostamisesta. Algoritmit voivat olla säädeltyjä sääntöihin perustuvia, koneoppimiseen perustuvia tai syväoppimisen malleja. Usein käytetään sekä kivuttuja että syvämallien yhdistelmiä sekä ihmisen ohjaamaa valvontaa laadun varmistamiseksi.

Käyttökohteita ovat uutiskatsaukset, tutkimus- ja oikeudelliset asiakirjat sekä liiketoiminnan raportointi. Tiivistystulosteen laadun arviointiin käytetään sekä automaattisia mittareita (esim. päivitys, informatiivisuus) että ihmisaikataulusta peräisin olevaa koeperäistä arviointia. Haasteita ovat faktuaalinen tarkkuus, koherenssi ja domain-spesifinen sanasto.