Generación automática de resúmenes extractivos de un solo documento basado en un algoritmo de muchos objetivos y agrupamiento

Abstract

La información textual disponible en la web crece exponencialmente y cuando un usuario desea extraer información de documentos de su tema de interés, esta tarea le tomará mucho tiempo dado que debe leer cada uno de los documentos por completo. Para abordar este problema, los investigadores en el área de procesamiento del lenguaje natural desarrollan métodos de generación automática de resúmenes extractivos de un solo documento (GAREUD) capaces de conformar un resumen corto y conciso con las oraciones más relevantes y significativas. En este documento, se propone un algoritmo evolutivo de muchos objetivos basado en distancia relativa de no-dominancia para resolver el problema de generación automática de resúmenes (MaOEA-RNM-GAREUD). A continuación, se describen y detallan los procesos de estudio, adaptación y evaluación. En el capítulo 1 se presenta la descripción del problema a abordar; los objetivos planteados para desarrollar una solución al problema; y los resultados obtenidos por esta investigación. En el capítulo 2 se describen los conceptos básicos más importantes de GAREUD, los tipos de enfoque existentes, la lógica general del algoritmo MaOEA-RNM, las técnicas de agrupamiento K-Means y Fuzzy C-Means y los objetivos utilizados para evaluar la calidad de los resúmenes. En el capítulo 3 se presenta el proceso en tres ciclos planteados para el desarrollo del algoritmo propuesto MaOEA-RNM-GAREUD. El primer ciclo incluye la definición de los objetivos junto con las configuraciones del algoritmo. El segundo y tercer ciclo se enfocan en incluir K-Means o Fuzzy C-Means como técnica de agrupamiento junto con la configuración y el afinamiento de los parámetros de cada algoritmo. En el capítulo 4, se presenta el algoritmo propuesto MaOEA-RNM-GAREUD, describiendo la representación de las soluciones y la función objetivo. Además, los cambios realizados al algoritmo para el resolver el problema de GAREUD. En el capítulo 5 se presentan los conjuntos de datos (DUC2001, DUC2002, CnnDm) y las métricas (ROUGE-1, ROUGE-2) usados para la evaluación, y el afinamiento de los parámetros del algoritmo. Luego se muestran los resultados de evaluación de la calidad de los resúmenes generados por el algoritmo propuesto con respecto a otros métodos del estado del arte. En el capítulo 6 se presentan las conclusiones del proceso de adaptación del algoritmo al problema de generación automática de resúmenes de un documento y del resultado de las evaluaciones de este algoritmo propuesto. Además, se exponen recomendaciones para trabajos de investigación similares y probables líneas de trabajo futuro que nacen de la presente investigación. Al final se presentan las referencias bibliográficas usadas durante todo el proceso del proyecto.