Tóm tắt (summarization) là quá trình cô đọng văn bản thành dạng ngắn hơn mà vẫn giữ nguyên ý nghĩa cốt lõi. Tiêu đề báo, lời giới thiệu sách, tóm tắt luận văn, đoạn trích kết quả tìm kiếm - tóm tắt xuất hiện ở khắp nơi trong cuộc sống. Với các phương tiện có giới hạn ký tự, kỹ thuật tóm tắt quyết định chất lượng truyền đạt thông tin.

Tóm tắt có 2 hướng tiếp cận. Tóm tắt trích xuất (extractive summarization) chọn các câu có độ quan trọng cao từ bản gốc và sắp xếp lại. Các thuật toán như TF-IDF hoặc TextRank chấm điểm mức độ quan trọng của từng câu rồi chọn các câu đứng đầu. Phương pháp này giữ nguyên cách diễn đạt gốc nên độ chính xác cao, nhưng sự liên kết giữa các câu có thể không tự nhiên.

Tóm tắt sinh (abstractive summarization) hiểu nội dung bản gốc rồi diễn đạt lại bằng câu mới. Hầu hết tóm tắt do con người thực hiện thuộc loại này. Gần đây, các mô hình ngôn ngữ lớn như GPT và BART đã nâng chất lượng tóm tắt sinh bằng máy lên đáng kể. Tuy nhiên, vẫn có rủi ro tạo ra thông tin không có trong bản gốc (hallucination), nên cần cơ chế xác minh tính chính xác.

Chất lượng tóm tắt được đánh giá qua sự cân bằng giữa "tỷ lệ nén" và "tỷ lệ giữ thông tin". Tóm tắt 1.000 ký tự thành 200 ký tự cho tỷ lệ nén 80%, nhưng nếu thiếu thông tin quan trọng thì không phải bản tóm tắt tốt. Ngược lại, giữ đầy đủ thông tin mà lên đến 800 ký tự thì giá trị tóm tắt giảm đi. Thông thường, 20-30% số ký tự bản gốc là mức tham khảo cho bản tóm tắt.

Trong thực tế, tóm tắt được thực hiện theo giới hạn ký tự của từng phương tiện. Meta description của Google khoảng 160 ký tự (tiếng Việt), Twitter 280 ký tự, thông báo đẩy LINE khoảng 40 ký tự, tiêu đề báo khoảng 70 ký tự. Tóm tắt cùng nội dung thành 160 ký tự và 70 ký tự đòi hỏi kỹ thuật hoàn toàn khác nhau. Số ký tự càng ít, mật độ thông tin trên mỗi ký tự càng phải cao.

Công cụ đếm ký tự là công cụ thiết yếu cho công việc tóm tắt. Kiểm tra số ký tự hiện tại so với mục tiêu theo thời gian thực giúp đưa ra quyết định "cắt thêm bao nhiêu ký tự" hay "giữ hay bỏ thông tin này". Để nâng cao kỹ năng tóm tắt, hãy luyện tập nén cùng một đoạn văn thành 100 ký tự, 50 ký tự, rồi 20 ký tự. Giới hạn càng chặt, khả năng nhận diện thông tin thực sự quan trọng càng được rèn luyện.