자동 요약 기술. 문서 요약은 불필요한 문장을 삭제하거나 주요 문장을 추출 또는 생성하여 문서의 길이를 줄이고 핵심 내용을 남기는 과정을 말한다. 문서 요약은 요약하는 방법에 따라 크게 추출 요약(extractive summarization)과 추상 요약(abstractive summarization)으로 나누어진다. 추출 요약은 원본 문서로부터 핵심 내용을 담고 있는 문장을 선별하여 제 시하는 것으로써 문장 분류(sentence classification) 문제에 속한다. 즉, 원본 문서의 각 문장을 요약에 사용할지 말지를 결정하는 이진 분류(binary classification) 또는 문장 집 합에 대한 순차 표지 부착(sequence labeling) 문제라고 할 수 있다. 추출 요약을 통해 생성된 요약은 원본 문서에 존재하는 문장이기 때문에 문법적, 의미적 오류를 포함하 지 않는다는 장점이 있다. 그러나 원본의 일부만을 추출한 것이기 때문에 부정확한 참 조를 사용하거나 일관성이 떨어지는 등 요약된 문장들의 연결이 매끄럽지 못하다는 단 점이 있다. 또한 원본 문서가 가진 표현력을 뛰어넘지 못하며 저작권 문제로부터 자유 롭지 못하다는 한계가 있다. 추상 요약은 추출 요약과 달리 원본 문서에 없는 새로운 단어나 문장을 생성하는 방법으로 최근 다양한 형태의 심층 신경망(deep neural network)을 통해 가능성을 보여주고 있다. 이와 같은 두 기술이 모두 실제 요약 서비 스를 제공하는데 실제적으로 사용되고 있기 때문에 본 과제에서는 추출 요약과 추상 요약 기술을 개발하고 평가하는데 활용할 수 있는 말뭉치를 구축하고자 하였다. 이에 따라 한국어 요약 말뭉치를 활용한 문서 요약 모델 적용을 위해 기존에 연구 된 문서 요약 모델을 조사하였고 이 중 효과적인 모델을 선정하여 본 과제에서 구축한 한국어 요약 말뭉치를 적용하였다. 모델의 성능을 높이기 위한 실험 및 다양한 입출력 단위에 대한 실험을 진행하였다. 본 장에서는 이에 대한 실험 내용 및 결과를 서술하 고 한국어 요약 말뭉치의 효용을 검토한다.
