Bilimsel makaleler üzerinde çıkarımsal metin özetleme yaklaşımlarını ve algoritmalarını analiz etmek ve karşılaştırmak için çok ölçütlü bir model

Günümüz dünyasında, veri ve bilgi hızla artarken, metin özetleme ve teknolojileri, büyük miktardaki metin verilerini daha erişilebilir ve anlamlı hale getirmede kritik bir rol oynamaktadır. İş dünyasından haber endüstrisine, akademik araştırmalardan diğer birçok alana kadar metin özetleme, hızlı kararlar alınmasına, bilgilere daha hızlı erişilmesine ve kaynakların daha etkin bir şekilde yönetilmesine yardımcı olmaktadır. Ayrıca, bu teknolojileri geliştirmek ve metinlerin daha iyi özetlenmesini sağlamak amacıyla yeni yöntemler ve algoritmalar geliştirmek için metin özetleme alanında araştırmalar devam etmektedir. Bu nedenle, metin özetleme ve bu alandaki araştırmalar, bilgi çağında büyük bir öneme sahiptir. Bu çalışmada, metin özetleme için yeni bir işletim modeli önerilmiş ve değerlendirilmiştir. 16 özetleme algoritması, altı farklı yaklaşımı kapsayacak şekilde uygulanmış ve 50 farklı makale veri kümesi üzerinde test edilmiştir. Üretilen özetlerin, orijinal özetlerle benzerliğini değerlendirmek için dört değerlendirme metriği (BLEU, Rouge-N, Rouge-L, METEOR) kullanılmıştır. Her yaklaşımın algoritmalarının performansı bu metrik sonuçlarına göre değerlendirilmiş ve en iyi performans gösteren algoritma referans algoritma olarak seçilmiştir. Bu referans algoritma, özetlenen metin içindeki konuları ve anahtar kelimeleri belirlemek için LDA yöntemiyle daha fazla analize tabi tutulmuştur. Önerilen model, veri kümeleri ve değerlendirme metrikleri arasında özetleme algoritmalarını geliştirmek ve kapsamlı bir şekilde test etmek için standartlaştırılmış bir iş akışı sunarak, en uygun özetleme yaklaşımını belirlemekte yardımcı olur. Bu çalışma, modelin çeşitli algoritma ve metin kaynakları üzerindeki etkinliğini göstermektedir.