Métodos de Otimização Combinatória Aplicados ao Problema de Compressão MultiFrases
Résumé
The Internet has led to a dramatic increase in the amount of available information. In this context, reading and understanding this flow of information have become costly tasks. In the last years, to assist people to understand textual data, various Natural Language Processing (NLP) applications based on Combinatorial Optimization have been devised. However, for Multi-Sentences Compression (MSC), method which reduces the sentence length without removing core information, the insertion of optimization methods requires further study to improve the performance of MSC. This article describes a method for MSC using Combinatorial Optimization and Graph Theory to generate more informative sentences while maintaining their grammaticality. An experiment led on a corpus of 40 clusters of sentences shows that our system has achieved a very good quality and is better than the state-of-the-art.
A Internet possibilitou o aumento considerável da quantidade de informação disponı́vel. Nesse contexto, a leitura e o entendimento desse fluxo de informações tornaram-se tarefas dispendiosas. Ao longo dos últimos anos, com o intuito de ajudar a compreensão dos dados textuais, várias aplicações da área de Processamento de Linguagem Natural (PLN) baseando-se em métodos de Otimização Combinatória vem sendo implementadas. Contundo, para a Compressão MultiFrases (CMF), técnica que reduz o tamanho de uma frase sem remover as principais informações nela contidas, a inserção de métodos de otimização necessita de um maior estudo a fim de melhorar a performance da CMF. Este artigo descreve um método de CMF utilizando a Otimização Combinatória e a Teoria dos Grafos para gerar frases mais informativas mantendo a gramaticalidade das mesmas. Um experimento com 40 clusters de frases comprova que nosso sistema obteve uma ótima qualidade e foi melhor que o estado da arte.
| Origine | Fichiers éditeurs autorisés sur une archive ouverte |
|---|
Loading...