Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/51324
Type: Dissertação
Title: Proposta de uma abordagem para sumarização extrativa de textos científicos longos
Authors: Cinthia Mikaela de Souza
First Advisor: Renato Vimieiro
First Co-advisor: Magali Rezende Gouvêa Meireles
First Referee: Rodrygo Luis Teodoro Santos
Second Referee: Adriano Alonso Veloso
Abstract: A sumarização automática de textos é uma das soluções que permite aos usuários identificar as informações mais relevantes de um documento textual, consequentemente, reduzindo o tempo de busca pelas informações. O objetivo dessa técnica é condensar as informações de um texto em um resumo simples e descritivo, que dê ao leitor uma ideia geral do texto sem ter que ler todo o seu conteúdo. A maior parte da literatura em sumarização automática de texto se concentra em propor e aprimorar métodos de aprendizado profundo para tornar esses modelos aplicáveis no contexto de sumarização de textos longos. Infelizmente, esses modelos ainda possuem limitações no comprimento da sequência de entrada. Tal limitação pode levar a uma perda de informações que prejudica a qualidade dos resumos gerados. Por esta razão, propomos nessa dissertação uma nova abordagem de sumarização extrativa de textos longos. Temos duas hipóteses: (1) subdividir o problema de sumarização em problemas menores e resolvê-los, separadamente, e, posteriormente, combinar essas soluções pode trazer benefícios para a tarefa de sumarização de textos longos; (2) há outros atributos do texto que podem ser úteis na criação do resumo. Tendo isso em vista, nós modelamos o problema de sumarização de textos como um problema de classificação binária. Testamos diferentes algoritmos e mostramos que a sumarização multi-seção tem um desempenho superior à sumarização de seção única com um ganho de desempenho de, aproximadamente, 14% e 5% de BertScore para o conjunto de dados da Plos One e do ArXiv, respectivamente. Nós, também, avaliamos o desempenho do sumarizador proposto usando diferentes representações do texto e mostramos que a representação de visão única de atributos é a que obtém os melhores resultados. Isso mostra que, para a tarefa de sumarização extrativa de textos, os atributos selecionados para compor a visão de atributos permitem identificar melhor a importância das sentenças. Por fim, nós comparamos o método proposto com diferentes modelos do estado-da-arte em sumarização extrativa, abstrativa e híbrida e mostramos que a nossa abordagem supera esses modelos.
Abstract: Automatic text summarization is one of the solutions that allows users to identify the most relevant information in a textual document, consequently reducing the time to search for information. The objective of this technique is to condense the information of a text into a simple and descriptive summary, which gives the reader a general idea of the text without having to read all its content. Most of the literature in automatic text summarization focuses on proposing and improving Deep Learning methods in order to make these models applicable in the context of long text summarization. Unfortunately, these models still have limitations on the input sequence length. Such a limitation may lead to a loss of information that impairs the quality of the summaries generated. For this reason, we propose in this dissertation a new approach to extractive summarization of long texts. We have two hypotheses, the first is that subdividing the summarization problem into smaller problems and solving them separately, and later combining these solutions can be beneficial for the task of summarizing long texts. The second hypothesis is that there are other characteristics of the text that can be useful in the creation of the summary. With this in mind, we model the text summarization problem as a binary classification problem. We tested different algorithms and showed that multi-section summarization outperforms single-section summarization with a performance gain of approximately 14% and 5% of BertScore for the Plos One and ArXiv datasets, respectively. We also evaluated the performance of the proposed summarizer using different representations of the text and showed that the single-view representation of attributes is the one that gets the best results. This shows that, for the extractive text summarization task, the attributes selected to compose the attributes view allow to better identify the importance of the sentences. Finally, we compare the proposed method with different state-of-the-art models in extractive, abstractive and hybrid summarization and show that our approach outperforms these models.
Subject: . Computação – Teses
Sumarização automática de textos – Teses
Aprendizado de máquina multivisão– Teses
Classificação – Teses
language: por
metadata.dc.publisher.country: Brasil
Publisher: Universidade Federal de Minas Gerais
Publisher Initials: UFMG
metadata.dc.publisher.department: ICX - DEPARTAMENTO DE CIÊNCIA DA COMPUTAÇÃO
metadata.dc.publisher.program: Programa de Pós-Graduação em Ciência da Computação
Rights: Acesso Aberto
URI: http://hdl.handle.net/1843/51324
Issue Date: 5-Dec-2022
Appears in Collections:Dissertações de Mestrado

Files in This Item:
File Description SizeFormat 
Cinthia Mikaela de Souza_final (1).pdf1.01 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.