Artigo

An investigation of linguistic problems in automatic multi-document summaries

Carregando...
Imagem de Miniatura

Notas

Data

Orientadores

Editores

Coorientadores

Membros de banca

Título da Revista

ISSN da Revista

Título de Volume

Editor

Universidade Federal de Minas Gerais (UFMG), Faculdade de Letras (FALE)

Faculdade, Instituto ou Escola

Departamento

Programa de Pós-Graduação

Agência de fomento

Tipo de impacto

Áreas Temáticas da Extenção

Objetivos de Desenvolvimento Sustentável

Dados abertos

Resumo

Sumários automáticos geralmente apresentam vários problemas linguísticos que afetam a sua qualidade textual e, consequentemente, sua compreensão pelos usuários. Alguns trabalhos caracterizam tais problemas e os relacionam ao desempenho dos sistemas de sumarização. Neste artigo, investigaram-se os problemas em extratos (isto é, sumários produzidos pela concatenação de sentenças extraídas na íntegra dos textos-fonte) multidocumento em Português do Brasil gerados por sistemas que apresentam diferentes abordagens (isto é, superficial e profunda) e desempenho (isto é, métodos baseline e do estado-da-arte). Para tanto, as principais caracterizações dos problemas linguísticos em sumários automáticos foram investigadas, resultando em uma tipologia mais adequada à sumarização multidocumento. Em seguida, anotou-se manualmente um corpus de extratos com base na tipologia, evidenciando que alguns tipos de problemas são significativamente mais recorrentes que outros. Assim, essa anotação gera subsídios para as tarefas automáticas de detecção e correção de problemas linguísticos com vistas à produção de sumários automáticos não só mais informativos (isto é, que cobrem o conteúdo do material de origem), como também linguisticamente bem-estruturados.

Abstract

Automatic summaries commonly present diverse linguistic problems that affect textual quality and thus their understanding by users. Few studies have tried to characterize such problems and their relation with the performance of the summarization systems. In this paper, we investigated the problems in multi-document extracts (i.e., summaries produced by concatenating several sentences taken exactly as they appear in the source texts) generated by systems for Brazilian Portuguese that have different approaches (i.e., superficial and deep) and performances (i.e., baseline and state-of-the art methods). For that, we first reviewed the main characterization studies, resulting in a typology of linguistic problems more suitable for multi-document summarization. Then, we manually annotated a corpus of automatic multi-document extracts in Portuguese based on the typology, which showed that some of linguistic problems are significantly more recurrent than others. Thus, this corpus annotation may support research on linguistic problems detection and correction for summary improvement, allowing the production of automatic summaries that are not only informative (i.e., they convey the content of the source material), but also linguistically well structured.

Descrição

Área de concentração

Agência de desenvolvimento

Palavra chave

Marca

Objetivo

Procedência

Submitted by Tatiana Silva (tatianasilva@biblioteca.ufla.br) on 2022-06-27T12:19:56Z No. of bitstreams: 2 ARTIGO_An investigation of linguistic problems in automatic multi-document summaries.pdf: 419983 bytes, checksum: 9d50922bb383681ddb92809d98c6f3f0 (MD5) license_rdf: 907 bytes, checksum: c07b6daef3dbee864bf87e6aa836cde2 (MD5)
Approved for entry into archive by Tatiana Silva (tatianasilva@biblioteca.ufla.br) on 2022-06-27T12:44:35Z (GMT) No. of bitstreams: 2 ARTIGO_An investigation of linguistic problems in automatic multi-document summaries.pdf: 419983 bytes, checksum: 9d50922bb383681ddb92809d98c6f3f0 (MD5) license_rdf: 907 bytes, checksum: c07b6daef3dbee864bf87e6aa836cde2 (MD5)
Made available in DSpace on 2022-06-27T12:44:35Z (GMT). No. of bitstreams: 2 ARTIGO_An investigation of linguistic problems in automatic multi-document summaries.pdf: 419983 bytes, checksum: 9d50922bb383681ddb92809d98c6f3f0 (MD5) license_rdf: 907 bytes, checksum: c07b6daef3dbee864bf87e6aa836cde2 (MD5) Previous issue date: 2021

Impacto da pesquisa

Resumen

ISBN

DOI

Citação

DIAS, M. de S. et al. An investigation of linguistic problems in automatic multi-document summaries. Revista de Estudos da Linguagem, Belo Horizonte, v. 29, n. 2, p. 859-907, 2021. DOI: 10.17851/2237-2083.29.2.859-907.

Link externo

Avaliação

Revisão

Suplementado Por

Referenciado Por

Licença Creative Commons

Exceto quando indicado de outra forma, a licença deste item é descrita como Attribution 4.0 International