LexRank: Graph-based Lexical Centrality as Salience in Text Summarization, Erkan+, Journal of Artificial Intelligence Research, 2004

[AkihikoWatanabe]

http://www.jair.org/media/1523/live-1523-2354-jair.pdf

[AkihikoWatanabe]

代表的なグラフベースな(Multi) Document Summarization手法。 ほぼ #214 と同じ手法。

2種類の手法が提案されている：

• [LexRank] tf-idfスコアでsentenceのbag-of-wordsベクトルを作り、cosine similarityを計算し閾値以上となったsentenceの間にのみedgeを張る（重みは確率的に正規化）。その後べき乗法でPageRank。
• [ContinousLexRank] tf-idfスコアでsentenceのbag-of-wordsベクトルを作り、cosine similarityを用いてAffinity Graphを計算し、PageRankを適用（べき乗法）。

DUC2003, 2004（MDS）で評価。 Centroidベースドな手法をROUGE-1の観点でoutperform。 document clusterの17%をNoisyなデータにした場合も実験しており、Noisyなデータを追加した場合も性能劣化が少ないことも示している。