Аннотация:В данной статье рассматриваются и сравниваются методы, подходы и алгоритмы для автоматической суммаризации текста на основе метрик для оценки сути реферированного текста ROUGE-1, ROUGE-2, ROUGE-L. Приведен теоретический разбор экстрактивного и абстрактивного методов извлечения идеи и сути текста. На основе результатов сравнительного анализа эвристического метода Луна, алгоритма TextRank, латентно-семантического анализа, алгоритма cуммы Кульбака-Лейблера и нейросетевой модели T5 сделаны выводы, которые помогут при выборе и использовании рассмотренных алгоритмов для проектирования и реализации программных комплексов автоматического реферирования текста, а также с помощью данного исследования сделаны вывод о наилучшем применении рассмотренных алгоритмов при различных типах реферирования текста с целью наиболее эффективного выбора инструментов для систем
This article discusses and compares methods, approaches and algorithms for automatic text summarization based on metrics to assess the essence of the referenced text ROUGE-1, ROUGE-2, ROUGE-L. A theoretical analysis of extractive and abstract methods of extracting the idea and essence of the text is given. Based on the results of a comparative analysis of the Moon heuristic method, the TextRank algorithm, latent semantic analysis, the Kulback-Leibler sum algorithm and the T5 neural network model, conclusions are made that will help in choosing and using the algorithms considered for the design and implementation of automatic text abstraction software complexes, as well as with the help of this study, a conclusion is made about the best application of the algorithms considered with different types of text abstracting in order to choose the most effective tools for systems.