Evaluación de resúmenes de actualización guiados

Abstract

Actualmente, el manejo de la información digital es indispensable para la realización de tareas que implican el análisis de grandes cantidades de textos. Una de las tareas que se encuentra dentro del área procesamiento automático de lenguaje natural es la generación automática de resúmenes. En esta tesis se va a trabajar la parte de la evaluación de resúmenes automáticos. La evaluación automática de resúmenes mide automáticamente la calidad de los resúmenes. En esta tarea, la evaluación automática de resúmenes se realiza para la tarea de múltiples documentos, específicamente hacia los resúmenes de actualización guiados. La evaluación automática de resúmenes se realiza sin referencias humanas. La tesis abarca el problema de cómo evaluar los resúmenes de actualización guiados utilizando los métodos sin referencias humanas y los índices de correlación Pearson, Spearman y Kendall. En esta tesis, los métodos de evaluación permitirán asignar puntajes de calidad a cada resumen. Básicamente, los métodos de evaluación que se utilizaron son parte de los sistemas ROUGE-C (ROUGE-C-1, 2, 3, L y SU4) y SIMetrix (Divergencia JensenShannon suavizada y no suavizada). Los resultados reportados son prometedores dentro de los métodos del estado del arte, ya que nos da un enfoque hacia las evaluaciones realizadas y así verificar que métodos fueron los mejores.