INTRODUÇÃO À SUMARIZAÇÃO AUTOMÁTICA - ICMC - USP

epresentação de entrada do realizador, ou Nigel (Mann and Matthiessen, 1985), que
utiliza um modelo sistêmico de representação discursiva (Halliday, 1985);
Utilizando-se case frames: normalmente, dependentes do mapeamento semântico
possível, para a produção de estruturas morfossintáticas licenciadas pela língua
natural em foco. Os case frames são, portanto, função das relações retóricas do
discurso, mapeando em funções semântico-sintáticas da língua;
Por templates ou canned texts: estruturas rígidas (mais rígidas que as anteriores),
especificadas em função das possíveis formas gramaticais da língua em foco e
preenchidas a partir das propriedades semânticas, estruturais, indicadas na estrutura
de discurso a ser realizada lingüisticamente.
Como exemplo da utilização de um modelo de estruturação de discurso para a
sumarização automática, apresentamos, a seguir, a Teoria de Estruturação Retórica, ou
Rhetorical Structure Theory (RST).
5.3. A Teoria RST
Principais Características da RST
A Teoria RST (Mann and Thompson, 1987), inicialmente formalizada para a
análise lingüística de textos e, portanto, para a interpretação, é atualmente a teoria de
coerência mais influente nos modelos de PLN para a geração textual (Reiter and Dale,
2000), servindo, conseqüentemente, também para a sumarização automática. Pelo
menos teoricamente, ela define um conjunto de relações de coerência – chamadas
relações retóricas ou relações RST – capaz de representar todas as possíveis relações
existentes entre os segmentos de um texto. Há controvérsias a respeito da completude
do conjunto de relações RST originalmente definido por Mann e Thompson. Vários
outros autores modificaram, complementaram ou discutiram sua especificação (por
exemplo, Marcu (1996) e Hobbs (1985)), buscando maior clareza para fins
computacionais. A dificuldade de se definir relações dessa natureza reside no caráter
interpretativo e subjetivo da língua, posto que remete à apreensão do significado. Além
disso, tais relações supostamente devem cobrir todas as possíveis relações estruturais na
produção textual.
Uma relação RST possui um núcleo (N) e um satélite (S), sendo N composto
pelo segmento conceitual que indica a informação principal da relação e S, a informação
secundária, que influencia de alguma forma a interpretação que o leitor faz da
informação contida no núcleo. A definição de cada relação pressupõe a existência de
quatro tipos de informação necessários, quer para determiná-la durante um processo de
interpretação textual, quer para decidir pelo uso de uma relação particular durante a
geração textual. Essas informações são definidas na forma de templates, cujos campos
são os seguintes:
Restrições sobre o núcleo (N);
Restrições sobre o satélite (S);
Restrições sobre a combinação do núcleo e do satélite;
Efeito: especificação do efeito que a relação em questão causa no leitor quando este
interpreta um texto ou efeito pretendido pelo escritor, ao selecionar tal relação para
compor seu texto, relacionando N e S.
Algumas das relações RST são ilustradas a seguir. Detalhes sobre o conjunto
completo, segundo a Teoria RST, podem ser encontrados na obra de referência.
27