隨著互聯網上各種 UGC 越來越多，各種原創性的長文本內容也不斷地涌現出來。例如，在人工智能領域的三大頂會之一的 ICML，許多論文的長度都達到了二三十頁。因此，如何快速的從長文本中提取出有用的信息，成為困擾許多包括科研人員在內的互聯網網民的難題。
在 2012 年結束的人工智能領域頂會 AAAI 2012 上，來自中國浙江大學的研究團隊，發表了一篇題為 Document Summarization Based on Data Reconstruction 的論文。該篇論文提出了 DSDR 算法，描述了如何利用貪心算法進行文本摘要提取的方法。論文下載地址在這里：Document Summarization Based on Data Reconstruction (nju.edu.cn)。下面我們介紹一下他們的方法。
所謂的文本自動摘要問題，本質上就是從原始的長文本中抽取一個文本的子集合，使得利用這個子集合的線性組合能盡可能的恢復出原始文本。我們按照如下方式定義文本自動摘要問題：
其中， f 是線性組合摘要句子之后的轉換函數。X 是摘要生成的句子，a 是線性組合的系數，而 v 是原始文本，也就是輸入數據。
首先，f 可以是線性組合，也就是：
因此，文本自動摘要問題轉換成為了下述問題：
上述損失函數公式，等價于下面的公式：
利用貪心算法，我們設計了如下損失函數：
整個算法的偽代碼流程如下所示：
在上面介紹的算法中，線性組合的系數 a 有可能是負數，為了保證 a 非負，我們重構了算法的損失函數：
經過重新設計之后，算法的偽代碼如下：
通過對比實驗，我們發現新設計的算法，取得了優異的實驗結果：
文本自動摘要，對于閱讀長篇幅的文本，比如博士畢業論文、咨詢報告、審計報告等內容，非常有幫助。對于趕時間的當代人來說，文本自動摘要無疑是隨身辦公的文書利器。希望通過本文，廣大的互聯網從業者能夠有所收獲。
作者介紹
汪昊，前 Funplus 人工智能實驗室負責人。曾在 ThoughtWorks, 豆瓣，百度，新浪，網易等公司有超過 13 年的技術研發和技術高管經驗。先后在科技公司上線過 10 余款成功的商業產品。擔任過創業公司的 CTO和技術副總裁。精通數據挖掘、計算機圖形學和數字博物館領域的技術、技術管理和技術變現等內容。在國際學術會議和期刊如 IEEE TVCG 和 IEEE / ACM ASONAM 上發表論文 39 篇，獲得最佳論文獎 1 次（IEEE SMI 2008）和最佳論文報告獎 4 次（ICBDT 2020 / IEEE ICISCAE 2021 / AIBT 2023 / ICSIM 2024）。
