A Comparison Between Manual Summarization and Machine Learning-Based Automatic Summarization - Focusing on Summaries of Expert In-Depth Interview Texts -

이 연구의 목적은 질의-응답쌍으로 구성된 전문분야 심층 인터뷰 텍스트를 원문으로 생성한 수동 요약문과 기계 학습 기반의 자동 요약문의 양상을 분석하여, 그 차이를 확인하는 것이다. 기존의 자동 생성 요약문 연구가 주로 언어 공학적 관점에서 단일 저자 텍스트에 대한 요약문 생성 방법론을 고안하거나, 요약문에 대한 종합적인 인상 평가 성격을 갖는 것과 달리, 이 연구는 질의-응답쌍을 갖는 인터뷰 텍스트를 원문으로 갖는 응답 텍스트의 요약문 생성을 연구 대상으로 하며, 텍스트를 구성하는 언어 단위의 형식적, 의미적 특성을 기반으로 분석한다. 수동 및 자동 요약문의 양적 측면에서, 응답 텍스트를 대상으로 한 자동 생성 요약문은 수동 요약문에 비해 대체로 더 적은 문장 수와 더 짧은 길이로 구성되어 과소 요약의 경향성을 보인다는 것을 확인할 수 있다. 요약문 내용 분석의 측면에서, 자동 생성 요약의 경우 요약 대상 텍스트의 내용을 표현하는 어휘를 선택하는 데 있어 요약문 내용 구성에 직접적 관계가 없는 어휘를 선택하는 한계를 부분적으로 보이며, 수동 요약문이 질의 텍스트의 의도를 고려한 내용 구성의 특성을 보이는 반면, 자동 요약문은 상대적으로 질의 텍스트에 대한 고려가 약한 것으로 판단된다.