Automaattinen yhteenveto on tietokoneohjelman käyttö tekstin tai tekstien yhteenvedon luomiseen. Tästä voi olla hyötyä monissa tilanteissa, kuten asiakirjojen haussa, koulutuksessa ja tutkimuksessa. Ohjelmat voivat lähestyä tätä haastetta monin tavoin. Tietojenkäsittelytieteilijät ja muut tutkijat, jotka ovat kiinnostuneita luonnollisesta kielestä, ovat tutkineet tapoja kehittää automaattisia yhteenveto -ohjelmistoja, joilla parannetaan tällaisten ohjelmistojen käyttäjille tarjottavien palvelujen laatua.
Yksi lähestymistapa automaattiseen yhteenvetoon on asiakirjan nopea skannaus tärkeimpien tietojen tunnistamiseksi. Ohjelma oppii löytämään tärkeän sisällön tarkastelemalla sanamuotoa, kontekstia ja esitystä. Se voi etsiä materiaalia, kuten abstraktia laboratorioraportista tai ensirivimääritelmää tietosanakirja -artikkelista. Seuraavaksi se voi nostaa esiin keskeiset lauseet ja luoda niistä yhteenvedon esittämällä nämä kopiot, kuten monissa hakukoneissa on nähty.
Kehittyneempi lähestymistapa on itse abstraktin luominen. Tässä tapauksessa tietokoneohjelma tarkistaa tekstin, syntetisoi tiedot ja esittää käyttäjälle tiivistetyn version. Tämäntyyppinen automaattinen yhteenveto vaatii edistyneempää ohjelmointia. Tietokoneen ei tarvitse vain löytää tärkeimpiä tietoja, vaan sen on esitettävä se uudessa muodossa käyttäjän hyödyksi.
Hakutyökaluna automaattinen yhteenveto voi olla erittäin arvokasta. Monet Internetin käyttäjät luottavat esimerkiksi hakutulosten luetteloon sisältyviin pikauutteisiin esimerkiksi määrittääkseen, mitkä artikkelit vastaavat heidän tarpeitaan. Näiden otteiden skannaaminen voi auttaa käyttäjää päättämään, napsautetaanko linkkiä. Tiivistelmät voivat olla hyödyllisiä esimerkiksi tutkijoille, jotka haluavat nopean yleiskatsauksen tietystä aiheesta käytävästä keskustelusta. Jos jokin tiivistelmä on erityisen mielenkiintoinen, he voivat napsauttaa läpi ja lukea kappaleen kokonaisuudessaan.
Mukautettava ohjelmisto voi ehkä oppia automaattisen yhteenvedon avulla. Lukija voi arvioida yhteenvetoja sen perusteella, kuinka hyödyllisiä ne ovat ja välittävätkö ne tarkasti lähdetekstin tiedot. Tämän avulla ohjelma voi havaita, missä se on saattanut mennä pieleen. Se voi käyttää näitä tietoja parantaakseen tulosten laatua ja tarkkuutta tulevaisuudessa. Kehittäjät, jotka ovat kiinnostuneita automaattisesta yhteenvedosta, voivat ryhtyä toimiin, kuten kokeisiin ihmisten ja koneiden vastakkainasettamiseksi toisiaan vastaan nähdäkseen, mikä voi tuottaa sopivimmat yhteenvedot teksteistä.