Método basado en patrones léxicos para extracción automática de frases clave

Abstract

Este trabajo se centra en la tarea de extracción automática de frases clave. En la actualidad esta tarea se puede considerar como compleja si se realiza de manera manual, que se consume muchos recursos, hablando de tiempo y dinero, puesto que se requiere de conocimientos especializados en un área específica para poder identificar cuáles son las frases que mejor captan la esencia del documento.

Es por ello, que se tiene la necesidad de generar estas frases representativas de manera automática. Estas representaciones no solo sirven para identificar aspectos importantes de un documento, sino también para algunas otras tareas como la generación de resúmenes, indexación, etc.

Hoy en día esta tarea se ha abordado con diferentes enfoques, desde clasificación, caracterización y optimización. Sin embargo, la mayoría se centra en un modelo para identificar las frases. En este trabajo, el esfuerzo principal es la propuesta de 4 formas de pesado, las cuales podrán ayudar a seleccionar frases que puedan ser representativas de un documento, sin la necesidad de hacer uso de características como la frecuencia o algunas otras que tienen que ver con la parte sintáctica o semántica, este trabajo, ve la constitución de las frases en un nivel léxico, lo que beneficia a la independencia del dominio, del lenguaje y la evaluación que para esta tarea es de coincidencias exactas, lo que significa que es necesario conservar la secuencia de las frases.

Para evaluar este método se consideran los siguientes aspectos: evaluación del método mediante un conjunto de datos llamado SemEval-2010, evaluación de coincidencias exactas, sobre conjunto de datos, combinación, longitud, pesado y top (5, 10 y 15); en el desarrollo de este trabajo de investigación se dan los detalles de cada elemento necesario.