Título: Compressão de Sentenças com Deep Reinforcement Learning Para Sumarização Automática de Textos

Data: 19/04/2018

Horário: 13:00h

Local: Hall do Centro de Ciências - Bloco 902

Resumo:

No contexto de sumarização automática de múltiplos documentos, a abordagem extrativa ainda é a mais amplamente utilizada. Nessa abordagem, as sentenças são extraídas do conjunto original de documentos de acordo com algum parâmetro que represente sua importância dentre as demais e então estas sentenças são organizadas para criar o resumo ou sumário. Contudo, as sentenças dos documentos originais, comumente, não são construídas da maneira adequada para compor um sumário, principalmente quando esses se tratam de documentos sofisticados, como casos legais e artigos médicos. Ao produzir um sumário, uma pessoa não apenas extrai sentenças do documento original e as concatena, ela geralmente as modifica, tornando-as mais concisas de modo a melhor representar o documento original de maneira resumida. Estudos anteriores mostraram que técnicas de compressão de sentenças baseadas em regras não foram capazes de melhorar a qualidade de sumários extrativos, contudo, técnicas mais recentes que utilizam redes neurais recorrentes e aprendizagem por reforço obtiveram bons resultados em relação a essas primeiras técnicas. Assim, o objetivo deste trabalho é, tentando imitar um processo natural de sumarização de textos, fazer a compressão de sentenças com o posterior ajuste delas para o contexto de um sumário extrativo de múltiplos documentos, utilizando uma arquitetura de aprendizagem por reforço profunda, a fim de verificar se esse processo é capaz de melhorar a qualidade desse sumário.

Banca:

• Prof. Dr. José Antonio Fernandes de Macêdo (MDCC/UFC - Orientador)
• Dr. Igo Ramalho Brilhante (UFC - Coorientador)
• Prof. Dr. Javam de Castro Machado (MDCC/UFC)
• Prof. Dr. Ângelo Roncalli Alencar Brayner (MDCC/UFC)