Algorithm 是否根据预先存在的主题自动生成摘要？

在给定文档的情况下，我要执行以下操作：

• 使用预先存在的主题创建摘要

在第一个场景中，文档以统一的方式整齐地组织起来。 例如，大多数维基百科电影文章都有以下子主题（例如：）

• 密谋
• 铸造
• 接待
• 其他可选主题

在第二个场景中，文档包含与上述相同的信息；但是，文档没有干净的组织。文档可以使用相同或类似的语言，但组织方式不同

在这两种情况下，鉴于这些子主题，我想从文档中提取这些信息

有没有我可以使用的机器学习/自然语言处理策略/算法？算法的组合很好。大部分有效的算法也很好

---

更新：看起来我想要的是信息提取。

我能想到的最简单的方法是将其作为一个序列分类问题，其中类是子主题。给定一个句子（或者一个段落），分类器输出子主题概率。培训LSTM分类器应该是可能的，因为您有很多标记数据（句子、子主题）

---

这种方法的问题可能是最终输出不一致。使用段落可能会有所帮助，或者可以根据前面的分类概率进行调整。

一种可能的方法是将这些主题分配给每个部分的句子[1]。由于您似乎有带注释的数据，因此可以使用它来训练“句子主题/部分模型”。根据[1]，即使是多项式的朴素贝叶斯分类器也能很好地完成这项工作

至于摘要方面，除非您有培训数据，否则我将研究提取摘要技术[2]——即从现有句子中选择最佳句子进行摘要。[2]LexRank的工作有一些您可以在野外使用的实现。如果你有要学习的摘要，你也可以研究从现有的摘要中生成新句子的抽象技术[3]。如果您选中[4]，[3]中有一些示例实现

[1]

[2]

[3]

---

[4]

很有趣，值得研究。但这些ALG是否用于生产，即在野外？考虑到他们可能不够健壮，我们看了一下[1]。其中的一些问题：（a）手动句子注释，（b）不清楚它对其他领域的推广效果如何。我认为[1]是有效的，因为生物医学文章大多都是这样写的。其优点是它使用了一种相对简单的方法，应该很容易验证。不幸的是，“目标是生成关于同一主题的多个文档的摘要。”我试图生成单个文档的摘要。我不知道有一种技术可以跨域推广，因此构建域模型可能是您的最佳希望，您可能需要“咬紧牙关”，但我很高兴被证明是错的。至于提取摘要技术，它们可以应用于单个文档（假设文档足够长，可以首先确定最“突出”的句子…）。至于这些技术是如何在野外使用的：他们让他们的发明者受雇于谷歌和Facebook…：-）[3] 似乎是为了“标题生成”。这是相当先进的，但值得研究。