Comparación de algoritmos de resumen de texto para el procesamiento de editoriales y noticias en español

Palabras clave: Procesamiento de lenguaje natural, Recall-Oriented Understudy for Gisting Evaluation, análisis de textos, minería de textos, resumen automático

Resumen

El lenguaje se ve afectado, no solo por las reglas gramaticales, sino también por el contexto y las diversidades socioculturales, por lo cual, el resumen automático de textos (un área de interés en el procesamiento de lenguaje natural - PLN), enfrenta desafíos como la identificación de fragmentos importantes según el contexto y el tipo de texto analizado. Trabajos anteriores describen diferentes métodos de resúmenes automáticos, sin embargo, no existen estudios sobre su efectividad en contextos específicos y tampoco en textos en español. En este artículo se presenta la comparación de tres algoritmos de resumen automático usando noticias y editoriales en español. Los tres algoritmos son métodos extractivos que buscan estimar la importancia de una frase o palabra a partir de métricas de similitud o frecuencia de palabras. Para esto se construyó una base de datos de documentos donde se incluyeron 33 editoriales y 27 noticias, obteniéndose un resumen manual para cada texto. La comparación de los algoritmos se realizó cuantitativamente, empleando la métrica Recall-Oriented Understudy for Gisting Evaluation. Asimismo, se analizó el potencial de los algoritmos seleccionados para identificar los componentes principales del texto. En el caso de las editoriales, el resumen automático debía incluir un problema y la opinión del autor, mientras que, en las noticias, el resumen debía describir las características temporales y espaciales de un suceso. En términos de porcentaje de reducción de palabras y precisión, el método que permite obtener los mejores resultados, tanto para noticias como para editoriales, es el basado en la matriz de similitud. Este método permite reducir en un 70 % los textos, tanto editoriales como noticiosos. No obstante, es necesario incluir la semántica y el contexto en los algoritmos para mejorar su desempeño en cuanto a precisión y sensibilidad.

 

Biografía del autor/a

Sebastián López-Trujillo, Instituto Tecnológico Metropolitano, Colombia

Instituto Tecnológico Metropolitano, Medellín-Colombia, Sebastianlopez249178@correo.itm.edu.co

María C. Torres-Madroñero*, Instituto Tecnológico Metropolitano, Colombia

Instituto Tecnológico Metropolitano, Medellín-Colombia, mariatorres@itm.edu.co

Referencias bibliográficas

K. R. Chowdhary, “Natural language processing,” en Fundamentals of Artificial Intelligence, New Delhi: Springer, 2020, pp- 603-649. https://doi.org/10.1007/978-81-322-3972-7_19

A. Cortez Vásquez; H. Vega Huerta; J. Pariona Quispe; A. M. Huayna, “Procesamiento de lenguaje natural”, Revista de Investigación de Sistemas e Informática, vol. 6, no. 2, pp. 45-54, dic. 2009. https://revistasinvestigacion.unmsm.edu.pe/index.php/sistem/article/view/5923

A. Gelbukh, “Procesamiento de Lenguaje Natural y sus Aplicaciones”, Komputer Sapiens, vol. 1, pp. 6-11, jun. 2010. https://www.gelbukh.com/CV/Publications/2010/Procesamiento%20de%20lenguaje%20natural%20y%20sus%20aplicaciones.pdf

A. Rivera Arrizabalaga; S. Rivera Velasco, “Origen del lenguaje: un enfoque multidisciplinar”, Ludus Vitalis, vol. 17, no. 31, pp. 103-141, 2009. http://ludus-vitalis.org/ojs/index.php/ludus/article/view/277

V. Gupta; G. S. Lehal, “A Survey of Text Mining Techniques and Applications”, Journal of Emerging Technologies in Web Intelligence, vol. 1, no. 1, pp. 60-76, Aug. 2009. http://learnpunjabi.org/pdf/gslehal-pap18.pdf

S. Naqeeb Khan; N. Mohd Nawi; M. Imrona; A. Shahzad; A. Ullah; A. Ur- Rahman, “Opinion Mining Summarization and Automation Process: A Survey”, International Journal on Advanced Science Engineering Information Technology, vol. 8, no. 5, pp. 1836-1844, 2018. http://dx.doi.org/10.18517/ijaseit.8.5.5002

C. Yew-Lin, “ROUGE: A Package for Automatic Evaluation of Summaries”, In Text summarization branches out, Association for Computational Linguistics, pp. 74-81, 2004. https://www.aclweb.org/anthology/W04-1013.pdf

Z. Li; Z. Peng; S. Tang; C. Zhang; H. Ma, “Text Summarization Method Based on Double Attention Pointer Network”, IEEE Access, vol. 8, pp. 11279-11288, Jan. 2020. https://doi.org/10.1109/ACCESS.2020.2965575

M. González Boluda, “Estudio comparativo de traductores automáticos en línea: Systran, reverso y google”, Núcleo, vol. 22, no. 27, pp. 187-216, dic. 2010. http://ve.scielo.org/scielo.php?script=sci_arttext&pid=S0798-97842010000100008

A. Hernández Castañeda; R. A. García Hernández; Y. Ledeneva; C. E. Millán Hernández, “Extractive Automatic Text Summarization Based on Lexical-Semantic Keywords”, IEEE Access, vol. 8, pp. 49896-49907, Mar. 2020. https://doi.org/10.1109/ACCESS.2020.2980226

S. Kumar Saha; D. Rao Ch., “Development of a practical system for computerized evaluation of descriptive answers of middle school level students.” Interactive Learning Environments, pp. 1-14, Ago. 2019. https://doi.org/10.1080/10494820.2019.1651743

J. Rose; C. Lennerholt, “Low-cost text mining as a strategy for qualitative researchers”, Electronic Journal of Business Research Methods, vol. 15, no. 1, pp. 2-16, Apr. 2017. https://www.researchgate.net/publication/315702194_Low_cost_text_mining_as_a_strategy_for_qualitative_researchers

G. A. Matias Mendoza; Y. Ledeneva; R. A García Hernández, “Detección de ideas principales y composición de resúmenes en inglés, español, portugués y ruso. 60 años de investigación”, Alfaomega Grupo Editor, S.A. 2020. https://www.semanticscholar.org/paper/Detecci%C3%B3n-de-ideas-principales-y-composici%C3%B3n-de-en-Mendoza-Ledeneva/4ae110ed12c30b76a869206092b097605ffc4f56

M. D. Bustamante-Rodríguez; A. A. Piedrahita-Ospina; I. M. Ramírez-Velásquez, “Modelo para detección automática de errores léxico-sintácticos en textos escritos en español”, TecnoLógicas, vol. 21, no. 42, pp. 199-209, May. 2018. https://doi.org/10.22430/22565337.788

R. Elbarougy; G. Behery; A. El Khatib, “Extractive Arabic Text Summarization Using Modified PageRank Algorithm”, Egyptian Informatics Journal, vol. 21, no. 2, pp. 73-81, Jul. 2020. https://doi.org/10.1016/j.eij.2019.11.001

R. Chandra Belwal; S. Rai; A. Gupta. “A new graph-based extractive text summarization using keywords or topic modeling.” Journal of Ambient Intelligence and Humanized Computing, pp. 1-16, Oct. 2020. https://doi.org/10.1007/s12652-020-02591-x

J. Steinberger; K. Ježek, “Evaluation measures for text summarization”, Computing and Informatics, vol. 28, no. 2, pp. 251–275. Mar. 2009. https://cai.type.sk/content/2009/2/evaluation-measures-for-text-summarization/1726.pdf

H. Christian; M. Pramodana Agus; D. Suhartono, “Single Document Automatic Text Summarization using Term Frequency-Inverse Document Frequency (TF-IDF)”, ComTech: Computer, Mathematics and Engineering Applications, vol. 7, no. 4, pp. 285-294, Dic. 2016. https://doi.org/10.21512/comtech.v7i4.3746

I. Manterola; A. Diaz de Ilarraza; K. Gojenola; K. Sarasola, “Recursos en euskera para la herramienta NLTK para enseñanza de procesamiento del lenguaje natural.” Procesamiento del Lenguaje Natural, no. 45, pp. 305-306, Sep. 2010. https://www.redalyc.org/pdf/5157/515751745045.pdf

Cómo citar
[1]
S. . López-Trujillo y M. C. Torres-Madroñero, «Comparación de algoritmos de resumen de texto para el procesamiento de editoriales y noticias en español», TecnoL., vol. 24, n.º 51, p. e1816, jun. 2021.

Descargas

Los datos de descargas todavía no están disponibles.
Publicado
2021-06-11
Sección
Artículos de investigación

Métricas

Crossref Cited-by logo