Для ранжирования информационных блоков в экстрактивной суммаризации используются разные методы, среди них:

• Эвристические методы, основанные на частоте слов в исходном документе. 5 Пример такого метода — Luhn. 5
• Графовые методы. 15 Текст представляют в виде графа и оценивают вес каждого предложения на основе структуры полученного графа. 1 Один из таких методов — TextRank. 15
• Методы, основанные на машинном обучении. 35 Такие методы требуют, чтобы важные предложения в исходном документе были размечены. 5 Это позволяет моделям оценивать предложения нового входного документа и добавлять наиболее важные в реферат. 5 Примеры таких методов — машины опорных векторов (SVM) и случайные леса. 3
• Метод на основе вхождения общих слов. 2 В этом алгоритме входной текст разбивают на предложения и токены (отдельные слова), проводят лемматизацию. 2 Затем задают функцию схожести для каждой пары предложений. 2 Она рассчитывается как отношение числа общих слов, встречающихся в обоих предложениях, к их суммарной длине. 2
• Метод TF-IDF. 3 В нём сначала текст разбивают на предложения, затем на отдельные слова. 3 Из слов удаляют стоп-слова, а затем вычисляют частоту каждого слова. 3 Затем оценивают каждое предложение на основе частоты употребления его слов, и для формирования резюме выбирают предложения с наибольшим количеством баллов. 3