文本摘要是从一段长文本中提取出最重要的信息，并生成一个简短而有意义的摘要。这个过程可以分为两种主要方法：
抽取式摘要（Extractive Summarization）：从原文中直接提取出关键句子或段落，组成摘要。这种方法不会改变原文的内容，只是选择了最能代表文章主题的部分。
- 无监督：Lead，Centroid，Cluster，TextRank
- 有监督：R2N2，NeuralSum，SummaRuNNer，BertSum
生成式摘要（Abstractive Summarization）：这种方法通过理解原文内容，然后用自己的语言生成一个简短的总结。生成式摘要可能包含与原文不同的词语或句子结构，但它依然能够传达原文的核心信息。
Seq2seq经典架构：优点——不限于原文自由生成摘要、摘要展示了文本的关键信息；缺点——容易产生重复
PGN（Pointer-Generator Network）架构：使用生成概率进行取舍，要么从词汇表生成一个单词，要么从原文本复制一个单词，相对减少了摘要重复问题
评估方法：
- BLEU（Bilingual evaluation understudy）：主要计算精确度
- ROUGE（Recall-Oriented Understudy for Gisting Evaluation：基于召回率，评价标准——ROUGE-N和ROUGE-L