생성 요약 성능 향상을 위한 우선순위 알고리즘 기반의 KoBART 한국어 뉴스 요약 시스템 구현

Implementation of Priority Algorithm-Based KoBART News Summary System for Improving Performance of Abstract Summary

본 논문은 KoBART 모델에 우선순위 알고리즘을 적용한 한국어 뉴스 요약 시스템을 구현하였다. 먼저, KoBART 모델을 한국어 뉴스 요약에 적합하도록 AI 허브의 데이터셋으로 미세 조정하였다. 그리고, 뉴스 원문 기사에 우선순위 알고리즘을 적용하여 모든 문장에서 유사도를 계산한다. 최종적으로 뉴스 원문에서 유사도가 낮은 문장을 제외하고 상대적으로 유사도가 높은 문장들이 미세 조정된 KoBART 모델로 입력되어 요약문이 생성된 다. 제안된 모델은 미세 조정된 KoBART 모델에 비해 ROUGE-L 스코어는 평균 9.7% 향상되었다. 그리고, 장문 뉴스에서 토큰 길이가 길어지더라도 제안된 모델의 성능 저하는 상대적으로 낮게 나타났다. 결과적으로 우선순위 알고리즘을 적용하여 중요도가 낮은 문장들은 요약 과정에서 배제함으로써 생성 요약 성능이 향상됨을 확인할 수있었다.

This study implemented a Korean news summary system based on the KoBART model using a priority algorithm. First, the KoBART model was fine-tuned using the artificial intelligence (AI) hub’s dataset to make it suitable for Korean news summaries. The priority algorithm was then applied to the original news articles to determine the similarity between all sentences. Finally, sentences with a low similarity to the original news were excluded, and the remaining sentences with a relatively high similarity were input into the fine-tuned KoBART model, which generated a news summary. The proposed model improved the ROUGE-L score by an average of 9.7% compared with the fine-tuned KoBART model. In addition, even when the token length was increased for long newsitems, the proposed model showed relatively low performance degradation. Consequently, we confirmed that using a priority algorithm to exclude sentences of low importance improved the performance of the abstractive summary.