Graph-based extractive text summarization method for Hausa text طريقة تلخيص النص الاستخراجي القائم على الرسم البياني لنص الهوسا Méthode de synthèse de texte extractive basée sur des graphiques pour le texte haoussa Método de resumen de texto extractivo basado en gráficos para texto Hausa

Automatic text summarization is one of the most promising solutions to the ever-growing challenges of textual data as it produces a shorter version of the original document with fewer bytes, but the same information as the original document. Despite the advancement s in automatic text summarization research, research involving the development of automatic text summarization methods for documents written in Hausa, a Chadic language widely spoken in West Africa by approximately 150,000,000 people as either their first or second language, is still in early stages of development. This study proposes a novel graph-based extractive single-document summarization method for Hausa text by modifying the existing PageRank algorithm using the normalized common bigrams count between adjacent sentences as the initial vertex score. The proposed method is evaluated using a primarily collected Hausa summarization evaluation dataset comprising of 113 Hausa news articles on ROUGE evaluation toolkits. The proposed approach outperformed the standard methods using the same datasets. It outperformed the TextRank method by 2.1%, LexRank by 12.3%, centroid-based method by 19.5%, and BM25 method by 17.4%. يعد تلخيص النص التلقائي أحد أكثر الحلول الواعدة للتحديات المتزايدة باستمرار للبيانات النصية لأنه ينتج نسخة أقصر من المستند الأصلي مع عدد أقل من وحدات البايت، ولكن نفس المعلومات مثل المستند الأصلي. على الرغم من التقدم في أبحاث تلخيص النص التلقائي، فإن الأبحاث التي تنطوي على تطوير طرق تلخيص النص التلقائي للوثائق المكتوبة باللغة الهوسا، وهي لغة تشادية يتحدث بها على نطاق واسع في غرب إفريقيا ما يقرب من 150،000،000 شخص كلغة أولى أو ثانية، لا تزال في المراحل الأولى من التطوير. تقترح هذه الدراسة طريقة تلخيص مستخرجة من وثيقة واحدة مستخرجة من الرسم البياني لنص الهوسا من خلال تعديل خوارزمية تصنيف الصفحات الحالية باستخدام العد الكبير المشترك بين الجمل المتجاورة كدرجة رأس أولية. يتم تقييم الطريقة المقترحة باستخدام مجموعة بيانات تقييم تلخيص الهوسا التي تم جمعها بشكل أساسي والتي تتكون من 113 مقالة إخبارية عن الهوسا حول مجموعات أدوات تقييم روج. تفوق النهج المقترح على الأساليب القياسية باستخدام نفس مجموعات البيانات. تفوقت على طريقة TextRank بنسبة 2.1 ٪، و LexRank بنسبة 12.3 ٪، والطريقة المركزية بنسبة 19.5 ٪، وطريقة BM25 بنسبة 17.4 ٪. La synthèse automatique de texte est l'une des solutions les plus prometteuses aux défis sans cesse croissants des données textuelles, car elle produit une version plus courte du document original avec moins d'octets, mais les mêmes informations que le document original. Malgré les progrès de la recherche sur la synthèse automatique de texte, la recherche impliquant le développement de méthodes de synthèse automatique de texte pour les documents écrits en haoussa, une langue tchadienne largement parlée en Afrique de l'Ouest par environ 150 000 000 de personnes en tant que première ou deuxième langue, en est encore à ses débuts. Cette étude propose une nouvelle méthode de synthèse extractive d'un seul document basée sur des graphes pour le texte haoussa en modifiant l'algorithme PageRank existant en utilisant le nombre de bigrammes communs normalisés entre les phrases adjacentes comme score de sommet initial. La méthode proposée est évaluée à l'aide d'un ensemble de données d'évaluation de synthèse Hausa principalement collectées comprenant 113 articles de presse Hausa sur les boîtes à outils d'évaluation ROUGE. L'approche proposée a surpassé les méthodes standard utilisant les mêmes ensembles de données. Il a surpassé la méthode TextRank de 2,1 %, LexRank de 12,3 %, la méthode centroïde de 19,5 % et la méthode BM25 de 17,4 %. El resumen automático de texto es una de las soluciones más prometedoras para los desafíos cada vez mayores de los datos textuales, ya que produce una versión más corta del documento original con menos bytes, pero la misma información que el documento original. A pesar de los avances en la investigación del resumen automático de textos, la investigación que implica el desarrollo de métodos de resumen automático de textos para documentos escritos en hausa, una lengua chádica ampliamente hablada en África occidental por aproximadamente 150.000.000 de personas como primera o segunda lengua, todavía se encuentra en las primeras etapas de desarrollo. Este estudio propone un novedoso método de resumen extractivo de un solo documento basado en gráficos para el texto Hausa mediante la modificación del algoritmo PageRank existente utilizando el recuento de bigramas comunes normalizados entre oraciones adyacentes como puntaje de vértice inicial. El método propuesto se evalúa utilizando un conjunto de datos de evaluación de resumen de Hausa recopilado principalmente que comprende 113 artículos de noticias de Hausa sobre los kits de herramientas de evaluación de ROUGE. El enfoque propuesto superó a los métodos estándar utilizando los mismos conjuntos de datos. Superó al método TextRank en un 2,1%, LexRank en un 12,3%, el método basado en centroides en un 19,5% y el método BM25 en un 17,4%.