Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
An Adaptive Position Synchronization Controller Using Orthogonal Neural Network for 3-DOF Planar Parallel Manipulators Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

POS-Tagging Enhanced Korean Text Summarization

verfasst von : Wuying Liu, Lin Wang

Erschienen in: Intelligent Computing Methodologies

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Information explosion causes a serious scarcity of people’s time and a severe divergence of people’s attention. This paper addresses the issue of automatic summarization for Korean texts and presents a novel keyword-extraction-based Korean text summarization (KKTS) algorithm. We investigate the enhancement of POS-tagging to the KKTS algorithm according to three kinds of text feature: noun words, predicate words, and all words. The experimental results show that our POS-tagging enhanced KKTS algorithm according to noun words can achieve the best performance in the Korean summarization task.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Mining Implicit Intention Using Attention-Based RNN Encoder-Decoder Model
Nächstes Kapitel A Supervised Term Weighting Scheme for Multi-class Text Categorization
Literatur
1.
Saggion, H., Poibeau, T.: Automatic text summarization: past, present and future. In: Poibeau, T., Saggion, H., Piskorski, J., Yangarber, R. (eds.) Multi-source, Multilingual Information Extraction and Summarization, pp. 3–21. Springer, Heidelberg (2013). doi:10.​1007/​978-3-642-28569-1_​1 CrossRef
2.
3.
Jones, K.S., Brigitte, E.-N.: Introduction: automatic summarizing. Inf. Process. Manag. 31(5), 625–630 (1995)CrossRef
4.
Yu, L., Ren, F.: A study on cross-language text summarization using supervised methods. In: Proceedings of the International Conference on Natural Language Processing and Knowledge Engineering (2009)
5.
Amini, M-R., Gallinari, P.: The use of unlabeled data to improve supervised learning for text summarization. In: SIGIR Forum, pp. 105–112 (2002)
6.
Nomoto, T., Matsumoto, Y.: An experimental comparison of supervised and unsupervised approaches to text summarization. In: Proceedings of the IEEE International Conference on Data Mining, pp. 630–632 (2001)
7.
Lin, C.Y., Hovy, E.: From single to multi-document summarization: a prototype system and its evaluation. In: Proceedings of the ACL, pp. 457–464 (2002)
8.
Yih, W., Goodman, J., Vanderwende, L., Suzuki, H.: Multi-document summarization by maximizing informative content-words. In: Proceedings of the International Joint Conference on Artificial Intelligence, pp. 1776–1782 (2007)
9.
Riadh, B., Ahmed, G.: A supervised approach to arabic text summarization using adaboost. Adv. Intell. Syst. Comput. 353, 227–236 (2015)
10.
Vishal, G., Narvinder, K.: A novel hybrid text summarization system for punjabi text. Cogn. Comput. 8(2), 261–277 (2016)CrossRef
11.
Kim, J.-H., Kim, J.-H., Hwang, D.: Korean text summarization using an aggregate similarity. In: Proceedings of the International Workshop on Information Retrieval with Asian Languages, pp. 111–118 (2000)
12.
Nenkova, A., Vanderwende, L.: The impact of frequency on summarization. Technical report, MSR-TR-2005-101 (2005)
13.
Jayashree, R., Srikanta Murthy, K., Sunny, K.: Keyword extraction based summarization of categorized Kannada text documents. Int. J. Soft Comput. 2(4), 81–93 (2011)CrossRef
14.
Park, S., Choi, D.H., Kim, E.-K., Choi, K.-S.: A plug-in component-based Korean morphological analyzer. In: Proceedings of HCLT 2010, pp. 197–201 (2010)
15.
Lin, C.-Y.: ROUGE: a package for automatic evaluation of summaries. In: Proceedings of the Workshop on Text Summarization (2004)
Metadaten
Titel
POS-Tagging Enhanced Korean Text Summarization
verfasst von
Wuying Liu
Lin Wang
Copyright-Jahr
2017
Buch
Intelligent Computing Methodologies

Print ISBN: 978-3-319-63314-5

Electronic ISBN: 978-3-319-63315-2

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-63315-2_37