EntitySum: Entity Summarization Using Centrality Measures

doi:10.1007/978-3-031-99554-5_6

2026-01-01

PRE

Trouli, Georgia Eirini *

Vassiliou, Giannis

Giannakos, Iakovos

Papadakis, Nikos

Kondylakis, Haridimos

DOI：10.1007/978-3-031-99554-5_6

原文链接

原文求助

摘要

En 中文

实体摘要（ES）任务聚焦于捕获实体最相关和最具代表性的信息，以促进快速探索和理解。在本演示中，我们介绍了EntitySum方法，该方法结合了中心性度量进行对象加权，以及基于频率的方法进行属性加权，以选择最适合包含在实体摘要中的三元组。该过程过滤无关数据，减少冗余，并生成简洁、信息丰富的实体摘要。作为下一步，利用大型语言模型将实体摘要转换为可读文本。在演示期间，我们将使会议参与者能够主动在DBpedia上使用EntitySum，并评估生成的实体摘要的质量。此外，我们将允许用户对比不同大型语言模型（LLM）的文本表示，并识别各组件的影响。

Keyword:

Entity Summarization

Centrality Measures

Property Weighting

Triple Selection

Large Language Models