2. 文獻探討
2.3. 傳統自動文件摘要方法
2.3.2. 基於指標表示之摘要方法
指標表示方法是為了將文字內容轉換成一組特徵，並將其直接用於排序語句。其 中圖形方法和機器學習技術大多使用此類型的語意表示。
A. 圖形方法（Graph methods）
應用於 文件摘 要上的 圖形 方法主 要是從 對 網頁作 排名的 PageRank 演 算法 [Mihalcea and Tarau, 2004]演變而來，而主要的想法是讓文件表示成一個連結圖
（Connected Graph），每個語句就是圖上的一個節點（Vertex），節點與節點間的邊
（Edge）則是代表語句間的相似度。在決定節點與節點間是否具有邊的時候，常 見的方法是設定一個相似度的閾值，超過的才會成為一個邊。而通常計算語句相 似度時會先使用TF-IDF 找到語句的權重，並以餘弦相似度來計算。
此圖形方法得到的結果主要會有兩個面向，首先是找到圖形中的子圖，子圖 代表著文件中各種不同的主題；其次是辨識重要的語句，當一個語句在子圖中與 其他多個語句具有連結，則該語句很有可能為該子圖的中心，也就表示該語句很 有可能是摘要的一部分，因此可以簡單表示為下式，𝑊𝑆(𝑉+) 為語句節點 𝑖 的分數：
𝑊𝑆(𝑉+) = (1 − 𝑑) + 𝑑 ∙ X 𝑤K+
∑[/∈\]^_[M`𝑤K9𝑊𝑆_𝑉K`
[M∈ab([2) (2-13)
其中 𝑑 為阻尼係數（Damping factor），在此定義為若該句為摘要則下一句亦 為摘要的機率，則反之 (1 − 𝑑) 則是指任選一句剛好為摘要的機率；而 𝐼𝑛(𝑉+) 和 𝑂𝑢𝑡_𝑉K` 主要為連到節點 𝑖 的節點們和從節點 𝑗 連出的節點們，對於摘要任務上，
節點與節點間不具有方向性，因此此二函式可視為相同的。因此我們便可從節點 𝑖 有關聯的節點來判定該節點是否中心，進而再從關聯節點找到更多的連結來判 定此節點是否剛好為一個子圖的中心節點，若是，則代表該節點語句是摘要之一。
圖形方法可以很方便快速地應用在單文件和多文件摘要任務上[Erkan and Radev, 2004]，因為此方法除了定義語句和詞彙的邊界外，不需要過多的語言相關 知識輔助，而且還能應用到多種不同的語言上[Mihalcea and Tarau, 2005]。然而，
此方法應用TF-IDF 權重計算相似度的部分仍有些侷限，因為 TF-IDF 只具有詞彙 頻率等資訊而不包含語句結構和語意等，因此若在計算相似度時能考慮結構和語 意等資訊，便能有效地提升摘要系統的成效[Chali and Joty, 2008]。直至現今，因 圖形方法其快速且準確度不低的特性，仍有許多學者將其不斷改良於各種研究。
B. 機器學習（Machine learning）
機器學習技術與前面提到的方法相當不同，其將摘要任務視為一個分類問題，可 以將語句給予類別，判定其是否為摘要，而非僅僅只是計算分數。[Kupiec et al., 1995]是最早將機器學習技術應用於文件摘要上的研究，提出單純貝氏分類器
（Naïve Bayes classifier）將語句分類成摘要或非摘要，由於此方法屬於監督式學 習，所以會需要訓練資料及其對應的正確摘要結果。此方法會利用貝氏定理來學 習分類機率：
𝑃(𝑠 ∈ 𝑆|𝑓g, 𝑓i, … , 𝑓9) =𝑃(𝑓g, 𝑓i, … , 𝑓9|𝑠 ∈ 𝑆)𝑃(𝑠 ∈ 𝑆)
𝑃(𝑓g, 𝑓i, … , 𝑓9) (2-14) 其中 𝑠 代表文件中的語句，𝑆 則是產生的摘要，而 𝑓g, 𝑓i, … , 𝑓9 是分類用的特 徵組合。每個特徵皆為一種指標函式（長度、位置及頻率等），因此可以假設特 徵之間皆為彼此獨立的情況，可以將(2-14)改為下式：
𝑃(𝑠 ∈ 𝑆|𝑓g, 𝑓i, … , 𝑓9) =∏9+lg𝑃(𝑓+|𝑠 ∈ 𝑆)𝑃(𝑠 ∈ 𝑆)
∏9+lg𝑃(𝑓+) (2-15)
使用單純貝氏分類器計算出語句是摘要的機率值可視為語句的分數，而此方 法便是語句的評分機制。其中常用以分類摘要的特徵包含語句長度、語句在文件 中的位置、命名實體（Named entities）數量及語句和文件標題相似度等等。
除了單純貝氏分類器外，決策樹（Decision tree）、支援向量機（Support vector machine, SVM）、隱式馬可夫模型（Hidden Markov model, HMM）和條件隨機場 域（Conditional random fields, CRF）等機器學習方法亦被應用於文件摘要，其中 以HMM[Conroy and O’leary, 2001]和 CRF[Shen et al., 2007]在文件摘要研究上的 效果較為顯著。然而應用監督式學習於文件摘要時需要注意一個重要的課題，因 為訓練分類器需要一組已經標記好正確類別的訓練樣本，但取得正確標記是一項 有挑戰性的問題。因此學者們便提出幾種替代方案嘗試解決這項問題，較常見的 有以下兩種：
• 製作有標記的語料（
Annotated corpora
）：製作有標記的語料能夠造福 學者，因為具有越多基準可以參考，更能比較出不同摘要方法的優劣，而且也能降低過度學習（Overfitting）的風險。然而要幫語料標記其實是 一項相當耗時且複雜的工作，因為沒有一項標準能遵循，會導致不同人 選擇的摘要語句會不同，不一定正確。
• 半監督式學習（
Semi-supervised learning
）：另一種方法則是利用半監督 式學習來訓練分類器。在半監督式學習中，訓練樣本不需全部都具有標 記，通常都是以少量的標記資料配合大量無標記資料。因此[]提出一種 半監督式方法應用在節錄式摘要任務上，同時使用無標記資料訓練兩個 分類器，當特定無標記資料得到較高的分數時，則可被加入標記資料中，之後便可以使用新的訓練資料集訓練了。
機器學習技術在文件摘要任務上的表現相較於前述的方法，得到相當優秀的成果。
此章節討論的傳統摘要方法大多是以手工建構的特徵作為輸入，下一章節會討論 應用深層學習技術同時學習特徵跟分類的摘要應用。