راهنما · ۷ دقیقه مطالعه
خلاصهسازی متن فارسی با هوش مصنوعی
چگونه متن بلند فارسی را با درخواست درست به خلاصهای وفادار، کاربردی و قابل بررسی تبدیل کنیم.
خلاصهسازی متن فارسی با هوش مصنوعی فقط کوتاه کردن جملهها نیست. خلاصه باید هدف خواننده را پوشش دهد، نکات اصلی را بدون تغییر معنا نگه دارد و جزئیات مهم مثل عدد، تاریخ، نام و شرط را از بین نبرد. یک خلاصه برای مرور جلسه با خلاصهای که برای تصمیم مدیریتی نوشته میشود یکسان نیست.
در PiGPT دکمهٔ جداگانهای با عنوان «خلاصهساز» مبنای این کار نیست؛ متن را در گفتگو میفرستید و نوع خلاصه را در درخواست توضیح میدهید. این انعطاف مفید است، چون میتوانید طول، مخاطب، ساختار و میزان وفاداری را برای هر متن تعیین کنید.
قبل از خلاصه کردن، کاربرد را مشخص کنید
اول بپرسید خلاصه قرار است چه تصمیمی را آسان کند. برای مرور سریع، چند نکتهٔ کلیدی کافی است. برای تحویل به همکار، زمینه و نتیجه باید باقی بماند. برای مطالعهٔ امتحان، تعریفها و رابطهٔ مفاهیم مهمتر از روایت متناند. برای صورتجلسه، تصمیمها، مسئول هر کار و موعدها اولویت دارند.
اگر کاربرد را ننویسید، مدل معمولاً یک خلاصهٔ عمومی میسازد. این خروجی شاید روان باشد، اما ممکن است چیزی را که شما نیاز دارید حذف کند. یک جملهٔ ساده مثل «این خلاصه برای مدیری است که باید دربارهٔ ادامهٔ پروژه تصمیم بگیرد» انتخاب نکات را تغییر میدهد.
طول نیز باید با کاربرد متناسب باشد. «خیلی کوتاه» قابل اندازهگیری نیست. بهجای آن بگویید «پنج نکته»، «حداکثر ۱۵۰ کلمه» یا «یک پاراگراف و سپس سه اقدام». محدودیت عددی به سنجش نتیجه کمک میکند.
متن را چگونه وارد گفتگو کنیم؟
برای متن کوتاه، آن را بعد از یک جداکننده در همان پیام قرار دهید. ابتدا دستور را بنویسید و سپس متن را میان نشانههای واضح بگذارید. مثلاً: «فقط متن میان سه خط را خلاصه کن» و بعد متن. این کار احتمال مخلوط شدن دستور با محتوای اصلی را کمتر میکند.
اگر متن طولانی است، آن را به بخشهای منطقی تقسیم کنید. بهتر است تقسیم بر اساس فصل، تیتر یا موضوع باشد، نه تعداد تصادفی کاراکترها. برای هر بخش یک خلاصهٔ میانی بگیرید و در پایان از مدل بخواهید خلاصههای میانی را با هم ادغام کند، موارد تکراری را حذف کند و اختلافها را نگه دارد.
در راهنمای شروع کار با PiGPT مسیر گفتگو و پیوست توضیح داده شده است. اگر از پیوست استفاده میکنید، باز هم در پیام بنویسید کدام بخش فایل موضوع کار است و خروجی چه قالبی دارد. فرستادن فایل بدون دستور روشن، انتخاب هدف را به مدل واگذار میکند.
الگوی پرامپت برای خلاصه متن فارسی
یک درخواست قابل اتکا میتواند این ساختار را داشته باشد:
«متن زیر را برای [مخاطب/کاربرد] خلاصه کن. خروجی [تعداد کلمه یا ساختار] باشد. ادعا، عدد، تاریخ و نام جدید نساز. عددها و شرطهای متن را دقیق نگه دار. میان واقعیت متن و برداشت نویسنده تفاوت بگذار. اگر بخشی مبهم است، آن را با برچسب «نامشخص» مشخص کن.»
برای صورتجلسه اضافه کنید: «خروجی را در چهار بخش تصمیمها، اقدامها، مسئول و موعد بنویس. اگر مسئول یا موعد در متن نیست، حدس نزن.» برای مقالهٔ آموزشی بگویید: «ادعای اصلی، سه دلیل و محدودیت نتیجه را جدا کن.»
اگر زبان متن سنگین است، دو کار را همزمان درخواست نکنید. ابتدا خلاصهٔ وفادار بگیرید؛ سپس در پیام بعد بخواهید همان خلاصه برای مخاطب عمومی سادهسازی شود. جدا کردن این مراحل کمک میکند بفهمید تغییر معنا در خلاصه رخ داده یا در سادهسازی.
انواع خلاصه و زمان استفاده
خلاصهٔ فشرده برای مرور سریع مناسب است: یک پاراگراف کوتاه که موضوع، نتیجه و مهمترین دلیل را نگه میدارد. این قالب برای متنهایی خوب است که یک خط استدلال اصلی دارند، اما برای قرارداد یا گزارش چندبخشی ممکن است جزئیات حیاتی را حذف کند.
خلاصهٔ نکتهای اطلاعات را به چند بولت تقسیم میکند. برای جلسه، خبرنامهٔ داخلی و مرور فصل مناسب است. از مدل بخواهید هر نکته یک ادعا داشته باشد و نکات همپوشان ادغام شوند. تعداد بولت را مشخص کنید تا خروجی به فهرستی بلند تبدیل نشود.
خلاصهٔ ساختاریافته عنوانهای ثابت دارد؛ مثلاً مسئله، شواهد، نتیجه، ریسکها و اقدام بعدی. این نوع برای تصمیمگیری بهتر است، چون نبود اطلاعات را آشکار میکند. اگر متن دربارهٔ ریسک چیزی نگفته، بخش ریسک باید «در متن ذکر نشده» باشد، نه حدس مدل.
خلاصهٔ پرسشوپاسخ برای یادگیری مناسب است. میتوانید بخواهید ابتدا مفاهیم اصلی استخراج شوند و بعد برای هرکدام یک سؤال و پاسخ کوتاه ساخته شود. باید بررسی کنید پاسخها واقعاً از متن آمده باشند.
حفظ عددها، نامها و شرطها
بیشترین خطر خلاصهسازی، تغییر جزئیاتی است که ظاهر کوچک اما اثر بزرگی دارند. «تا پایان ماه» با «در پایان ماه» یکی نیست. «حداکثر ده درصد» با «ده درصد» تفاوت دارد. منفیها، استثناها و شرطهای «اگر» نیز نباید در کوتاهسازی حذف شوند.
در پرامپت صریحاً بخواهید عدد، واحد، تاریخ، نام شخص و عبارتهای شرطی حفظ شوند. سپس خروجی را با جستجوی همین عناصر در متن اصلی کنترل کنید. اگر متن پنج عدد دارد، خلاصه لازم نیست همه را بیاورد؛ اما عددی که میآورد باید دقیق و در زمینهٔ درست باشد.
برای متنهای حقوقی، پزشکی، مالی یا فنی، خلاصه را راهنمای مرور بدانید، نه جایگزین سند اصلی. تصمیم حساس را بر اساس جملهٔ کوتاهشده نگیرید. در این حوزهها بهتر است مدل کنار هر نکته، بخش یا عبارت منبع را نیز مشخص کند تا بازبینی سریعتر شود.
چگونه وفاداری خلاصه را بسنجیم؟
اول «پوشش» را بررسی کنید: ادعای اصلی و نتیجه حاضرند؟ دوم «صحت» را بسنجید: آیا خلاصه چیزی افزوده که در متن نیست؟ سوم «تناسب» را ببینید: آیا نکات انتخابشده برای کاربرد شما مهماند؟ چهارم «فشردگی» را بسنجید: آیا جملههای تکراری یا مثالهای کماهمیت باقی ماندهاند؟
یک روش مفید، درخواست جدول ادعاست: «برای هر نکتهٔ خلاصه، عبارت پشتیبان آن را از متن نقل کن.» اگر مدل نتواند پشتیبان پیدا کند، آن نکته نیاز به بررسی دارد. البته نقل قول نیز باید با اصل متن تطبیق داده شود.
میتوانید در دور دوم بپرسید: «کدام اطلاعات مهم را برای رسیدن به این طول حذف کردی؟» این سؤال به شما نشان میدهد آیا محدودیت طول بیش از حد سخت بوده است. اگر یک شرط مهم حذف شده، طول را کمی افزایش دهید یا آن شرط را در معیارهای اجباری قرار دهید.
کار با متنهای بسیار بلند
برای متن بلند، ابتدا نقشهٔ متن بسازید: عنوان بخشها، موضوع هر بخش و رابطهٔ آنها. سپس هر بخش را جداگانه خلاصه کنید. در پایان، خلاصههای میانی را به مدل بدهید و درخواست یکپارچهسازی کنید. این روش از خلاصه کردن مستقیم مجموعهای بسیار بزرگ قابل کنترلتر است.
در هر مرحله یک شناسه برای بخش نگه دارید؛ مثلاً «بخش ۱: تعریف»، «بخش ۲: دادهها». هنگام ادغام بخواهید تعارض میان بخشها حذف نشود. اگر دو فصل دو عدد متفاوت دارند، مدل نباید میانگین بگیرد یا یکی را بیصدا انتخاب کند.
برای پروژهٔ مداوم، یک گفتگوی جدا برای همان سند نگه دارید. قاطی کردن چند گزارش در یک نخ احتمال جابهجایی زمینه را بالا میبرد. اگر موضوع تازهای شروع میکنید، گفتگوی جدید بسازید و معیارهای خلاصه را دوباره بنویسید.
اشتباههای رایج
درخواست «خلاصه کن» بدون مخاطب و طول، نخستین اشتباه است. دوم، اعتماد به روانی متن بهجای کنترل واقعیت است. سوم، درخواست همزمان ترجمه، تحلیل احساس، نقد و خلاصه است؛ این کار معلوم نمیکند کدام جمله از متن اصلی آمده است.
اشتباه دیگر، حذف عمدی زمینه برای کوتاهتر شدن پرامپت است. اگر یک اصطلاح در سازمان شما معنای خاصی دارد، تعریفش را بدهید. در مقابل، اطلاعات شخصی و محرمانهای که برای خلاصه لازم نیست وارد نکنید.
درخواستهای دقیقتر را میتوانید با اصول نوشتن پرامپت فارسی بسازید: هدف، زمینه، محدودیت و قالب. همین چهار جزء برای خلاصهسازی نیز کافیاند.
جمعبندی
خلاصهسازی متن فارسی با هوش مصنوعی زمانی مفید است که نوع خلاصه را پیش از تولید انتخاب کنید و نتیجه را با متن اصلی بسنجید. کاربرد، طول، موارد اجباری و ممنوعیت حدس را در پیام بنویسید. برای شروع، یک متن واقعی و غیرحساس را در گفتگوی PiGPT قرار دهید، یک خلاصهٔ نکتهای بگیرید و عددها و شرطهای آن را خطبهخط کنترل کنید.
