Extraction-based Text Summarization Using Fuzzy Analysis

از آنجا كه World-Wide Web رشد شگفت انگيزي نموده، خلاصه سازي اتوماتيك متن ها تبديل به ابزاري لازم براي كاربران وب شده است. در اين مقاله، ما يك روش جديد براي ايجاد خلاصه متن معرفي مي كنيم. با بكارگيري منطق فازي و شبكه واژه ها، مدل ما جملاتي را كه بيشترين وابستگي را به متن اصلي دارند اقتباس مي نمايد. اين روش با فراهم نمودن اندازه هاي فازي واستنتاج فازي مهمترين اطلاعات را از متن استخراج مي نمايد. نتايج عملي نشان مي دهد كه اين روش در مقايسه با انواع تجاري آن مناسب ترين جملات را اقتباس مي نمايد. پيش پردازش متن با شبكه واژه ها و تجزيه وتحليل فازي اصلي ترين قسمت اين روش مي باشد.

Due to the explosive growth of the world-wide web, automatic text summarization has become an essential tool for web users. In this paper we present a novel approach for creating text summaries. Using fuzzy logic and word-net, our model extracts the most relevant sentences from an original document. The approach utilizes fuzzy measures and inference on the extracted textual information from the document to find the most significant sentences. Experimental results reveal that the proposed approach extracts the most relevant sentences when compared to other commercially available text summarizers. Text pre-processing based on word-net and fuzzy analysis is the main part of our work.