Экстрактивные и абстрактные сводки: в чем разница
Экстрактивная сводка выбирает предложения из исходного текста. Абстрактная формулирует резюме заново.

Это различие влияет на то, насколько легко проследить связь между сводкой и источником, но само по себе не определяет точность: ошибиться может любой из подходов.
Для читателя новостного дайджеста практический вопрос звучит так: как проверить, в чем разница между полезным сокращением и пересказом, который уже изменил смысл? Смотреть нужно не на гладкость текста, а на происхождение каждого утверждения. В одном случае проверяются выбранные фрагменты и их контекст, в другом — все пересказанные факты и связи между ними.
Два способа сжать новость
Экстрактивный метод формирует сводку из предложений исходного документа. Алгоритм оценивает их значимость и выбирает фрагменты, которые должны передать содержание материала. Формулировки при этом сохраняются, хотя предложения могут быть извлечены из разных частей текста.
Абстрактный метод создает новые предложения. Система пытается передать основные идеи источника своими словами, объединить несколько фрагментов или сделать изложение компактнее. Результат может читаться связнее, особенно если исходный материал длинный и повторяет одни и те же тезисы.
| Параметр | Экстрактивная сводка | Абстрактная сводка |
|---|---|---|
| Из чего состоит | Из выбранных предложений исходного текста | Из новых формулировок, передающих основные идеи |
| Связь с источником | Отдельные предложения можно найти в документе | Утверждения нужно сопоставлять со смыслом исходных фрагментов |
| Возможный выигрыш | Видно, какие формулировки система выделила | Можно объединить идеи и сократить повторы |
| Основной риск | Изъятый из контекста фрагмент может исказить смысл | При пересказе могут измениться факт, субъект или связь между событиями |
| Что проверять | Контекст предложений, их порядок и достаточность | Каждое утверждение и его опору в источнике |
Таблица описывает принцип работы, а не гарантию качества. Экстрактивный алгоритм может выбрать фразу, которая в полном материале уточняется оговоркой. Абстрактная модель может точно передать содержание, если корректно распознала факты и связи. Тип метода задает способ сокращения, но не заменяет проверку результата.
Сохраненная формулировка облегчает поиск источника. Она не доказывает, что смысл сохранен.
Это различие особенно заметно в коротких новостях. В сообщении о решении ведомства одно предложение может содержать само решение, следующее — дату вступления в силу, а еще одно — исключения. Сводка, взявшая только первое, может выглядеть точной по словам и неполной по смыслу. Пересказ, объединивший все три, может быть компактнее, но в нем придется проверить, не превратилось ли условие в безоговорочное утверждение.
Как ранжируют предложения
Экстрактивная сводка начинается с оценки частей исходного документа. В описанном API Microsoft каждому предложению присваивается оценка релевантности от 0 до 1 включительно. Для запроса на сводку из трех предложений сервис, например, возвращает три предложения с наивысшими оценками. Это характеристика конкретного API, а не универсальная шкала для всех суммаризаторов.
Вместе с выбранными предложениями API возвращает их оценки и позиции в исходном документе: начальное смещение и длину. Такая информация полезна для редакционной проверки. Можно открыть точный фрагмент, увидеть его соседние предложения и оценить, не потерялась ли оговорка. Одна лишь высокая оценка релевантности этого не показывает: она говорит о приоритете предложения для алгоритма, а не о полноте будущей сводки.
Другой подход используют TextRank и LexRank. В этих алгоритмах предложения ранжируются по связям или сходству с другими предложениями. Затем в сводку попадают фрагменты с высоким рейтингом. Число предложений может задаваться пользователем. В результате центральный тезис материала способен получить высокий приоритет, поскольку он связан с несколькими другими фрагментами.
Однако центральность и фактическая важность не всегда совпадают. Деталь, повторяющаяся в тексте, может выглядеть алгоритму значимой. Уточнение, встречающееся один раз, может оказаться за пределами короткой сводки, хотя именно оно задает условия события. Поэтому рейтинг помогает отбирать текст, но не отвечает на редакционный вопрос о том, какие сведения нельзя потерять.
При проверке полезно смотреть на три вещи:
- Где находится фрагмент. Начало и конец исходного текста могут содержать разные условия, а выбранные предложения часто расположены далеко друг от друга.
- Что стоит рядом. Следующее предложение может ограничивать, объяснять или опровергать выбранную формулировку.
- Какая информация выпала. Если в сводке осталось решение, но исчезли дата, адресат или исключение, результат может быть формально связан с источником и практически вводить в заблуждение.
Позиции и смещения помогают быстро найти нужный текст. Они не являются доказательством того, что алгоритм выбрал все существенные фрагменты. Для этого необходимо читать исходный материал в достаточном контексте.
Почему методы не делятся на две герметичные категории
На практике граница между экстрактивным и абстрактным подходами не всегда бинарна. Исследование на двух наборах данных и пяти методах показало, что абстрактные модели не обязательно создают полностью новый текст. Они могут частично повторять формулировки источника. Поэтому степень абстрактивности рассматривают как измеряемую величину, а не только как ярлык «экстрактивная» или «абстрактная».
По одному виду готовой сводки нельзя надежно установить, каким именно алгоритмом она создана. Текст, который выглядит как пересказ, может содержать много исходных фраз. И наоборот, переформулированное предложение само по себе не доказывает, что система использовала абстрактный метод на всем протяжении работы.
Для редактора это значит, что название подхода не заменяет разбор конкретного результата. Сводка может сочетать скопированные фрагменты с новыми формулировками. В таком случае часть текста проверяется поиском по источнику, а часть — смысловым сопоставлением. Удобного универсального порога, после которого результат следует считать экстрактивным или абстрактным, найденные исследования не устанавливают.
Термин полезен, когда описывает общий принцип системы. Он становится слабым ориентиром, если по нему пытаются предсказать достоверность конкретной новости. Для этого нужны сами сводка и источник.
Абстрактивность и фактическая точность
В исследовании 2023 года увеличение абстрактивности в целом сопровождалось снижением фактической точности. Темп снижения зависел, среди прочего, от данных, на которых обучалась система. Это тенденция, а не правило для каждой модели и каждого текста. Из нее нельзя заключить, что любой пересказ ошибочен или что дословно выбранные предложения всегда верны.
Риск абстрактного пересказа связан с преобразованием исходных отношений. При сжатии система может неверно указать, кто принял решение, к кому оно относится, когда вступает в силу или при каком условии действует. Предложение останется грамматически гладким. Ошибка будет в фактической связи, а не обязательно в отдельном существительном или числе.
У экстрактивного подхода свой набор уязвимостей. Выбранные предложения могут быть точными по отдельности, но создавать неверное впечатление в совокупности. Алгоритм способен пропустить ограничение или выбрать фразу из части материала, где автор формулирует предварительную версию события. Сохранение исходных слов сокращает один тип риска, но не устраняет риск монтажа.
Поэтому сравнение по одной шкале «точность» требует осторожности. Нужно понимать, что именно проверяется: совпадение формулировок, сохранение ключевых фактов, правильность связей между ними или полнота условий. Без этого оценка качества сводки может свестись к впечатлению от хорошего текста.
Как проверять сводку по источнику
Распространенные метрики суммаризации не обязательно проверяют, согласуется ли готовая сводка с исходными документами. В работе о фактической согласованности, опубликованной в материалах EMNLP в ноябре 2020 года, отдельно рассматривалась проблема проверки фактов по источнику. Для практической редакционной проверки из этого следует простой вывод: оценка связности или общего качества текста не заменяет сопоставление с документом.
Проверка должна идти от утверждения к фрагменту источника, который его подтверждает. Это относится и к предложению, скопированному без изменений, и к формулировке, созданной заново.
1. Разбейте сводку на утверждения. В одном предложении могут одновременно содержаться решение, его адресат и срок. Каждую часть нужно проверить отдельно.
2. Найдите подтверждающий фрагмент. Для экстрактивной сводки это обычно делается поиском выбранного предложения и чтением окружающего контекста. Для абстрактной — поиском нескольких фрагментов, из которых собран пересказ.
3. Сверьте субъект, действие и объект. Кто сообщил, принял решение, получил право или обязанность? Подмена участника меняет новость даже при сохранении остальных деталей.
4. Проверьте ограничения. Даты, условия, исключения, статус предварительного решения и оговорки часто теряются при сокращении.
5. Зафиксируйте неподтвержденные элементы. Если источник не подтверждает конкретную цифру или причинную связь, гладкая формулировка не делает ее фактом.
Такой способ проверки применим к новостям о цифровых городских услугах, где в одном материале могут соседствовать сведения о балансе, порядке пополнения и изменениях сервиса. Для понимания конкретной услуги, например, полезен разбор того, как менялись способы проверить баланс карты «Подорожник». Но любой дайджест по подобной теме все равно нужно сверять с первичным сообщением: название сервиса или знакомая формулировка не подтверждают автоматически детали сводки.
Если у суммаризатора доступны исходные позиции предложений, их стоит использовать как навигацию. Они ускоряют поиск. Если доступны только готовые абзацы, проверка остается возможной, но требует ручного сопоставления. А если первичный источник недоступен, надежно подтвердить сводку по одному лишь ее тексту нельзя.
Что выбирать для новостного дайджеста
Экстрактивный подход удобнее там, где критичны точные формулировки и нужна прослеживаемость выбранных фрагментов. Но редактору придется следить за контекстом и полнотой. Абстрактный подход может дать более цельное резюме длинного материала. Его проверка требует разбирать смысловые утверждения, а не только искать совпадающие слова.
В кратком дайджесте разумно оценивать не только метод, но и возможность проверки: есть ли ссылка на источник, можно ли быстро найти подтверждающие фрагменты, указаны ли условия и ограничения. Если сводка используется для решений, которые зависят от точной даты, суммы, статуса или права, пересказ без доступного первичного материала недостаточен.
Вердикт: экстрактивная сводка обычно прозрачнее по происхождению формулировок, абстрактная может лучше объединять содержание. Ни одна не получает презумпцию точности. Надежность определяется построчной сверкой утверждений с источником.