some extracted method for summary
自动文本摘要主要分为两种，分别是抽取式和生成式。
-
抽取式生成文本摘要的系列算法最重要的假设是，认为文章有些核心语句可以涵盖全篇的重要信息; 算法的任务就是找出那些涵盖重要信息的语句。
-
目前的抽取式算法有: · 基于统计：统计词频，位置等信息，计算句子权值，再简选取权值高的句子作为文摘， 特点：简单易用，但对词句的使用大多仅停留在表面信息。
· 基于图模型：构建拓扑结构图，对词句进行排序。例如，TextRank/LexRank
· 基于潜在语义：使用主题模型，挖掘词句隐藏信息。例如，采用LDA，HMM
· 基于整数规划：将文摘问题转为整数线性规划，求全局最优解
-
生成式文本摘要是试图让算法在理解文档的基础上，从文档中抽象出能表达文档核心意义的语句。
-
随着神经网络研究的兴起，生成式算法日新月异，目前前沿的生成式算法主要是端到端的模型架构， 加上词向量训练的强大表征能力，实现的摘要结果可以超越最好的抽取式模型。而BERT模型同样可以 用于文本摘要生成任务。这部分将在后续补充。