Pri avtomatski izdelavi povzetkov iz besedil (sumarizaciji) želimo iz vhodnega besedila pridobiti krajše besedilo, ki bi pa ohranilo čim več pomembne informacije iz vhodnega besedila. Na trgu je trenutno več produktov za sumarizacijo, ki pa vsi delujejo na osnovi rangiranja in selekcije stavkov iz osnovnega besedila - povzetek je torej predstavljen kot množica izbranih stavkov iz originalnega besedila. V našem pristopu smo ubrali drugačno pot.

Dokument smo s pomočjo kompleksne lingvistične analize predelali v semantično mrezo (sestavljeno iz relacij tipa osebek-povedek-predmet), ki skuša "razumeti" besedilo na globjem nivoju. Na taki "semantični" predstavitvi dokumentov smo uporabili metode strojnega učenja za modeliranje postopka, ki ga ljudje uporabljajo za izdelavo povzetkov. Rezultati so se izkazali kot zelo dobri - z modelom se zelo približamo ročno narejenim povzetkom besedil.