Терновська ЄлизаветаДарчук Наталія Петрівна2024-07-172024-07-172024Терновська Є. Автоматичне реферування тексту з використанням абстрактивних та екстрактивних методів : кваліфікаційна робота бакалавра : 035.10 Прикладна лінгвістика / наук. кер. Н. Дарчук. Київ, 2024. 47 с.https://ir.library.knu.ua/handle/15071834/2883Актуальність дослідження автоматичного реферування текстів зумовлена зростаючим обсягом інформації, який необхідно обробляти у сучасному світі. Це дослідження присвячено розробці та оцінці ефективності програмного забезпечення для автоматичного реферування текстів, яке використовує екстрактивні та абстрактивні методи. Об'єктом дослідження є процес автоматичного реферування текстів, а предметом — ефективність екстрактивних та абстрактивних методів у контексті їх точності, повноти, зрозумілості та інших важливих характеристик. Метою дослідження є створення програми для автоматичного реферування текстів та оцінка її ефективності. Основні завдання включають розробку алгоритмів для екстрактивного та абстрактивного реферування, оцінку їх роботи за допомогою метрик ROUGE, порівняння результатів та визначення сильних і слабких сторін кожного підходу, а також пропозиції щодо можливих шляхів покращення алгоритмів. Методологічна основа дослідження включає сучасні теорії та підходи до обробки природної мови (NLP) та машинного навчання. Було використано емпіричні дослідження для оцінки роботи алгоритмів за допомогою метрик ROUGE, а також спостереження та аналіз результатів. За підсумками проведеного дослідження було встановлено, що екстрактивний метод демонструє вищу точність та лексичне багатство, проте страждає від низької повноти та когезії. Абстрактивний метод, хоча і є менш точним, забезпечує кращу зрозумілість та адекватність викладу. Запропоновано комбінований підхід для поєднання переваг обох методів.The relevance of text summarization research is driven by the increasing volume of information that needs to be processed in the modern world. This study is dedicated to the development and evaluation of software for automatic text summarization using extractive and abstractive methods. The object of the study is the process of automatic text summarization, and the subject is the effectiveness of extractive and abstractive methods in terms of their accuracy, completeness, readability, and other important characteristics. The aim of the study is to create a program for automatic text summarization and to evaluate its effectiveness. The main tasks include the development of algorithms for extractive and abstractive summarization, evaluation of their performance using ROUGE metrics, comparison of results, identification of the strengths and weaknesses of each approach, and suggestions for possible improvements. The methodological basis of the research includes modern theories and approaches to natural language processing (NLP) and machine learning. Empirical studies were conducted to evaluate the performance of the algorithms using ROUGE metrics, and observations and analyses of the results were performed. The study found that the extractive method demonstrates higher accuracy and lexical richness but suffers from low completeness and cohesion. The abstractive method, although less accurate, provides better readability and adequacy of expression. A combined approach is proposed to leverage the advantages of both methods.uaAttribution-NonCommercial 4.0 Internationalавтоматичне реферуванняекстрактивне реферуванняабстрактивне реферуванняNLPмашинне навчанняметрики ROUGEалгоритми реферуванняautomatic summarizationextractive summarizationabstractive summarizationmachine learningROUGE metricssummarization algorithmsБакалаврська робота