EBPGA: Extractive Text Summarization Using Binary Particle Swarm Optimization and Masked Genetic Algorithm

doi:10.1109/TCSS.2025.3583893

2025-07-16

PRE

Hemamalini Siranjeevi

V. Swaminathan

S. P. Raja

DOI：10.1109/TCSS.2025.3583893

原文链接

原文求助

摘要

En 中文

自动文本摘要（ATS）处理将长文档压缩成较短版本，保留原始文档的关键思想。它旨在解决由文档持续创建导致的信息过载问题。ATS有助于人们制作新闻推送、会议报告、摘要性法律和财务文件、学习工具、文章大纲、社交媒体分析等。抽取式文本摘要（ETS）是一种ATS类型，它通过从源文档中选择句子来创建摘要（摘录），而不修改句子的语义和结构。ETS的主要问题是选择构成连贯、简洁且无冗余的摘要的适当句子，以覆盖整个文档。文献提出了许多基于优化的算法来解决选择问题。一些研究者使用了二进制粒子群优化（BPSO）、遗传算法（GA）和人工蜂群算法（ABC）来处理选择问题。然而，这些算法存在早熟或收敛缓慢的问题。本文提出了一种使用BPSO和掩码遗传算法（EBPGA）的ETS算法。所提出系统的创新之处在于使用了掩码遗传算法（MGA），它利用文档的性质，即连贯性、冗余性、相关性和覆盖性因素，结合领域特定的变异和交叉操作，以解决BPSO的早熟收敛问题。因此，EBPGA算法选择覆盖原始文档所有主题的最佳句子，以创建连贯、相关且无冗余的摘要。所提出的算法通过生成占原始文档20%、30%和40%大小的摘要进行了评估，并与现有算法进行了比较。所提出的摘要算法获得了与当代算法可比的面向召回的新闻摘要评估（ROUGE）分数。

Keyword:

Automatic text summarization (ATS)

extractive summarization

feature extraction

masked genetic algorithm (MGA)

particle swarm optimization (PSO)