يُعدّ تلخيص النصوص أسلوبًا يستخدم تقنيات معالجة اللغة الطبيعية (NLP) لضغط النصوص الطويلة إلى نصوص أكثر إيجازًا مع الحفاظ على المعلومات الأساسية. تهدف هذه التقنية إلى مساعدة الأنظمة على فهم النقاط الرئيسية والحقائق الأساسية والبنية الدلالية للوثائق تلقائيًا، وإنشاء ملخصات مناسبة للقراءة واسترجاع المعلومات. وهو من المهام المهمة في مجال فهم النصوص وإنشائها.

يستند تطوير تلخيص النصوص إلى أبحاث طويلة الأمد في مجالات متعددة، تشمل استخلاص المعلومات، ومعالجة اللغة الطبيعية، وتوليد اللغة. اعتمدت الأساليب المبكرة بشكل أساسي على تقنيات التلخيص الاستخلاصي، مثل اختيار الجمل بناءً على قواعد محددة وترتيب السمات الإحصائية، حيث يتم استخلاص الجمل المهمة مباشرةً من النص الأصلي لتكوين ملخصات. مع ذلك، غالبًا ما كان المحتوى المُولّد يفتقر إلى الترابط. مع تطور التعلم العميق، بدأ الباحثون باستكشاف استخدام الشبكات العصبية لتوليد نصوص تلخيصية جديدة. في عام ٢٠١٥، نشر باحثون من جامعة هارفارد وفيسبوك للذكاء الاصطناعي ورقة بحثية... نموذج انتباه عصبي لتلخيص الجمل التجريدي تقترح هذه الورقة البحثية نموذجًا لتلخيص النصوص باستخدام الشبكات العصبية، قائمًا على آلية الانتباه، وتستكشف طريقة تلخيص فعّالة مجردة تفهم دلالات النص وتُنتج جملًا تلخيصية جديدة. وقد أصبحت هذه الورقة من أهم الدراسات الرائدة في مجال تلخيص النصوص باستخدام الشبكات العصبية.

تجمع أنظمة تلخيص النصوص الحديثة عادةً بين بنى التشفير وفك التشفير، وآليات الانتباه، ونماذج المحولات، ونماذج اللغة الضخمة لفهم النص المدخل دلاليًا وإنشاء ملخصات. وبالمقارنة مع طرق الاستخراج التقليدية، تتميز نماذج التلخيص التوليدية الحديثة بقدرتها على إعادة تنظيم المعلومات بمرونة أكبر، إلا أنها لا تزال تواجه تحديات مثل اتساق الحقائق، وحذف المعلومات، وموثوقية التوليد. وتُستخدم تقنية تلخيص النصوص حاليًا على نطاق واسع في مجالات مثل تجميع الأخبار، وتنظيم محاضر الاجتماعات، وتحليل الوثائق القانونية، والمساعدة في قراءة الأوراق الأكاديمية، وإدارة المعرفة المؤسسية، مما يوفر دعمًا تقنيًا هامًا لمعالجة المعلومات النصية واسعة النطاق.