图形概括方法和应用：一项调查

Dec, 2016

Graph Summarization Methods and Applications: A Survey

Yike Liu, Tara Safavi, Abhilash Dighe, Danai Koutra

TL;DR本文是对图数据总结的最新方法进行系统的概述研究，主要讨论了输入图形的类型，核心方法以及在真实世界中的应用，并描述了该领域的一些未解决的问题。

Abstract

While advances in computing resources have made processing enormous amounts of data possible, human ability to identify patterns in such data has not scaled accordingly. Efficient computational methods for condensing and simplifying data are thus becoming vital for extracting actionabl

computing resources data summarization techniques graph data state-of-the-art methods real-world graphs

发现论文，激发创造

抽取式知识图谱摘要的调查：应用、方法、评估和未来方向

知识图谱（Knowledge Graphs）的持续增长使得抽取式知识图谱（extractive KG summarization）成为一个热门的任务。本论文首次对其应用进行了系统概述，并从跨学科研究的角度定义了现有方法的分类学。基于我们的广泛和比较性的回顾，我们还提出了未来的研究方向。

Feb, 2024

图学习：综述

本文综述了图学习领域的现状和发展，主要包括四种现有的学习方法：图信号处理、矩阵分解、随机游走和深度学习。并且介绍了这些方法在文本、图像、科学、知识图谱和组合优化等领域的应用，以及该领域未来的研究方向。

May, 2021

文本摘要技术：简要调查

本文综述了自动文本摘要的主要方法和不同过程，描述了不同方法的有效性和缺点，以期将海量的文本数据高效地提炼出信息和知识。

Jul, 2017

图形摘要的可扩展近似算法

本文提出了一种有效的随机算法来计算图形摘要，旨在最小化重构误差，使用加权采样方案来合并顶点，提供算法运行时间的分析上限和得分计算的近似保证，并在几个真实世界图形上测试了算法以证明摘要的质量和与现有算法的比较，并使用摘要来回答有关原始图形的几个结构查询并报告其准确性。

Jun, 2018

自动文本摘要方法：综述

本文详细介绍了文本摘要的各种方法，包括提取和抽象两种途径，评估指标、基准数据集与未来的研究展望，并讨论了生成摘要的不同评估方法与相关研究中可能出现的挑战和研究机遇。

Mar, 2022

图神经网络和基于命名实体识别的文本摘要生成

本研究介绍了一种创新的文本摘要方法，利用图神经网络（GNNs）和命名实体识别（NER）系统的能力，以提高摘要的效率和内容的相关性，为处理信息饱和世界中日益增长的文本数据量提供了一个有希望的方向。

Feb, 2024

实体概述：现状和未来挑战

本文综述了实体摘要技术的最新研究进展，探讨了现有方法的技术特征和框架，同时提出了未来研究方向。

Oct, 2019

图重构的综合调研：稀疏化、粗化和浓缩

图简化技术是一种应对大型图数据集复杂性和规模的有效方法，本调查研究对图稀疏化、图粗化和图凝聚等简化方法进行了全面概述，并阐述了它们在不同场景中的实际应用，为该领域的发展提供了技术综述和重要研究方向。

Jan, 2024

图表智能分析：优化图表概述的上下文思维方法

数据可视化是呈现数据和挖掘其有价值洞见的关键手段。通过自然语言处理技术，图表总结任务促进了对图表的深入数据分析。本研究构建了一个大规模的全面图表 - 标题数据集，提供了每个图表的微调指导，以解决现有方法在视觉 - 语言匹配和推理能力方面存在的明显不足。基于这个数据集的广泛覆盖范围，可以实现更好的训练数据视角匹配度。此外，我们提出了一种创新的图表总结方法 ChartThinker，它基于思维链和上下文检索策略合成了深层分析，旨在提高生成摘要的逻辑连贯性和准确性。在精心策划的数据集基础上，我们训练的模型在图表总结任务中始终表现出优越性能，在 7 个评估指标上超过了 8 种最先进的模型。我们的数据集和代码可公开访问。

Mar, 2024

基于查询的文本摘要综述

研究旨在对基于查询和通用文本汇总方法的有趣工作进行概述，并提供相关领域的分类分析。

Sep, 2022