خلاصه‌سازیِ استخراجی، بخش‌هایی از خودِ متنِ منبع را انتخاب می‌کند؛ خلاصه‌سازیِ بازنویسانه می‌تواند با جمله‌بندیِ تازه همان اطلاعاتِ مهم را بیان کند. تفاوتِ اصلی در روشِ ساختِ متنِ کوتاه است. نقلِ دقیق به‌تنهایی پوششِ کافی را ثابت نمی‌کند و روانیِ بازنویسی هم شاهدِ وفاداری نیست.
یک متنِ چهار جمله‌ایِ ساختگی
متنِ اصیلِ تمرین این است: «سارا نسخهٔ آبی طرح را انتخاب کرد. مهلتِ بازبینی دوشنبه است. قیمت هنوز تصویب نشده است. فایلِ پیشین برای مقایسه نگه داشته می‌شود.» سارا و این تصمیم، داستانِ مشتریِ واقعی نیستند؛ این چهار جمله فقط دادهٔ آموزشی‌اند.
جمله‌ها را S1 تا S4 نام‌گذاری می‌کنیم. در مسیرِ استخراجی، S1 و S3 انتخاب شده‌اند. در مسیرِ بازنویسانه، نویسنده به‌صورتِ دستی نوشته است: «سارا طرح آبی را برگزید، اما مبلغ آن هنوز نهایی نیست.» هیچ کدام خروجیِ مدلِ خلاصه‌ساز نیستند.
استخراجِ قابلِ برگشت یعنی چه؟
برای هر جملهٔ انتخابی، شمارهٔ آغاز و پایان در متنِ کامل و خودِ نقل را ذخیره می‌کنیم. کد دقیقاً همان source[start:end] را برمی‌دارد و دو قطعه را با خطِ تازه وصل می‌کند. end در این قرارداد انحصاری و واحد، نقطهٔ کدِ Unicode در Python است؛ شمارِ بایتِ UTF-8 یا جایگاهِ دیداریِ حرف نیست.
همچنین هشِ UTF-8 متن قفل می‌شود؛ اگر حتی یک فاصله به نسخهٔ ورودی افزوده شود، استفاده از بازه‌هایِ نسخهٔ قبلی رد می‌شود. این کنترلِ محلی می‌گوید قطعه از همان نسخه برداشته شده؛ اصالتِ تاریخیِ منبع یا درست‌بودنِ حرفِ سارا را اثبات نمی‌کند.
| خروجی | منشأِ ساخت | کنترلِ واقعیِ این فایل |
|---|---|---|
| استخراجی | دو بازهٔ S1 و S3 | هش،بازه ونقلِ دقیق |
| بازنویسانه | متنِ دستیِ نویسنده | رابطِ گزاره به S1/S3 دستی ثبت شده |
| حذف‌شده از هر دو | S2 و S4 | نامِ دو جملهٔ انتخاب‌نشده مشخص است |
ردِ نقل با اثباتِ معنایِ بازنویسی فرق دارد
کدِ بازه نمی‌تواند از رویِ لینکِ S3 ثابت کند عبارتِ بازنویسانه دقیقاً همان معنی را دارد. رابطهٔ دو واحدِ بازنویسی با منبع را خودِ نویسنده تعیین کرده و منشأِ دستی در JSON صریح است. نوشتنِ شناسهٔ منبع کنارِ یک جمله، آن جمله را خودکار درست نمی‌کند.
در سمتِ استخراجی هم دوشنبه و نگهداریِ فایلِ قبلی حذف شده‌اند. اگر هدف، مدیریتِ بازبینی باشد، حذفِ مهلت می‌تواند مهم باشد؛ حتی وقتی هر حرفِ خلاصه از متن کپی شده است. کیفیتِ انتخاب باید نسبت به هدف سنجیده شود. کدِ این صفحه انتخابِ مهم‌ترین جمله یا امتیازِ کیفیت را یاد نگرفته است.
آزمایشِ فایل ومرزِ کاربرد
بازسازیِ دو جمله با نقلِ دقیق واقعاً اجرا شده است. چهار تغییرِ نامعتبرِ بازه یا نسخه، از جمله پایانِ بیرونِ متن، نقلِ متفاوت، bool به‌جایِ جایگاه و تغییرِ منبع رد شده‌اند. مدلِ T5 یا کتابخانهٔ Transformers اجرا نشده؛ مستندِ اصلی برای تعریفِ دو نوعِ خلاصه خوانده شده است.
ممیزیِ صحتِ خلاصهٔ تماس گامِ بررسیِ ادعا و حذفِ مهم را توضیح می‌دهد. خلاصه‌سازیِ مرحله‌ای هم حضورِ بخش‌ها در مسیرِ ادغام را دنبال می‌کند؛ اینجا روشِ استخراجِ واقعیِ span را با بازنویسیِ دستی جدا کردیم.
اگر هدفِ شما تحلیلِ مکالمه است، صوتِ مجاز، نوعِ متنِ کوتاه و اطلاعاتی را که نباید حذف شوند در درخواستِ بررسیِ اپرابین روشن کنید. این تمرین قالبِ خروجی یا قابلیتِ خاصی را در محصول تأیید نمی‌کند.
فایل تمرین و منبع
بازسازیِ خلاصهٔ استخراجی از بازهٔ دقیقِ متن و هشِ نسخه · متنِ اصیل،بازه‌هایِ استخراج و بازنویسیِ دستیِ جدا
منابع در 2026-11-04 خوانده شدند؛ این تاریخ، تاریخ انتشار منبع نیست. مثال‌ها و فایل‌های این راهنما آموزشی و ساختهٔ تحریریه‌اند.