INTRODUÇÃO À SUMARIZAÇÃO AUTOMÁTICA - ICMC - USP

More documents

Recommendations

Info

características como positivas ou negativas, em função dessa idéia. O problema é, novamente, identificar qual é a idéia central do texto a ser sumarizado, a fim de preservá-la no(s) sumário(s) correspondente(s). Esse problema está relacionado tanto à forma (ou estrutura), quanto ao conteúdo do texto, como veremos a seguir. 2.3. A Estrutura Textual Para conseguir produzir um bom sumário, é necessário antes que o sumarizador consiga reconhecer e reproduzir as idéias principais do texto. De forma semelhante, um sistema de sumarização automática precisa, de alguma forma, entender o que está sendo apresentado. A compreensão do discurso, por sua vez, envolve o reconhecimento das estruturas do texto. Assim, antes da sumarização propriamente dita, faz–se necessário investigar a estrutura do discurso. Seguindo a idéia de micro e super-estrutura de van Dijk (1979), Hutchins (1987) estabelece uma distinção entre a micro-estrutura e a macro-estrutura de textos. A microestrutura representa as relações entre seqüências de sentenças no texto; a macroestrutura representa relações entre blocos de sentenças e a organização global dos textos. No nível micro-estrutural, o entendimento de textos requer a recuperação da progressão temática das sentenças e cláusulas, para a recuperação adequada do significado textual. Desse modo, esse nível é associado ao inter-relacionamento semântico entre os componentes textuais (palavras, frases ou blocos textuais). No nível macro-estrutural, a recuperação do significado requer a construção de padrões organizacionais. Segundo Hutchins, evidências sugerem que o que o leitor de um texto lembra do conteúdo se assemelha à rede semântica de sua macro-estrutura. Ou seja, ele se lembra da seqüência de episódios e dos participantes principais, em textos narrativos, e da idéia principal de um argumento ou de suas características positivas e negativas, em textos expositivos. Os detalhes micro-estruturais, neste caso, dificilmente seriam retidos. Portanto, sumários expressariam a macro-estrutura de um texto segundo a interpretação de um indivíduo, com base no seu conhecimento previamente adquirido (Hutchins, 1987). Para recuperar os padrões organizacionais, Hutchins sugere quatro macro-regras que podem ser utilizadas para generalizar e condensar um texto: Delição, Generalização, Construção (todas originalmente propostas por van Dijk), além de uma regra de composição, conforme segue: 1) Delição: exclusão de propriedades e atributos, ou até de cláusulas completas, considerados irrelevantes. Exemplo: “A menina ganhou um gatinho branco” pode ser sumarizada pela delição do qualificativo “branco”, resultando em “A menina ganhou um gatinho”. 2) Generalização: substituição de hipônimos por seus hiperônimos ou de detalhes por uma idéia ou frase mais abstrata, que envolva os detalhes, deixando-os implícitos. Exemplo (Hutchins, 1987): “Pedro viu aves.” pode ser a generalização da seqüência “Pedro viu um falcão. Pedro viu um urubu.” ou, ainda, da sentença “Pedro viu um falcão e um urubu.”. 3) Construção: esta regra, semelhante à de generalização, age como seu complemento sintagmático: enquanto a generalização é basicamente pragmática, a construção depende da micro-estrutura textual. Neste caso, a macro-proposição construída é resultante de uma seqüência de micro-proposições. 6
Exemplo (Hutchins, 1987): a seqüência “Pedro comprou tijolos, areia, cimento, colocou os alicerces, ergueu paredes...” permite construir a sentença “Pedro construiu uma casa”. 4) Composição delição-construção: Consiste em delitar sentenças que expressam précondições ou motivações para a descrição de ações. Como resultado da delição, fazse necessário rever – ou reconstruir – o texto. Exemplo: para a seqüência de sentenças “Pedro queria ir ao cinema”. “Pedro foi ao cinema”, a primeira pode ser omitida, sem perda de significado. Na década de 80, as macro-regras de delição e construção foram bastante investigadas e utilizadas em implementações de sistemas de sumarização automática (Correira, 1980; Fum et al., 1982), enquanto a de generalização foi pouco explorada, devido à necessidade de se recorrer a um thesaurus interno para se fazer referência a possíveis generalizações. Hutchins observa, contudo, que esse processo envolve mais do que a consulta a informações de thesaurus, sendo necessário investigar mais profundamente os métodos de análise semântica, não apenas para a sumarização automática, mas para o PLN em geral. 2.4. O Conteúdo Textual Para se determinar o conteúdo relevante de um texto-fonte, para compor um sumário, além dos sinais superficiais (sejam eles estruturais ou lingüísticos) aos quais recorre o autor do texto em sua escrita, outros fatores também devem ser considerados pelo sumarizador humano. Destacam-se, principalmente, a) o domínio do assunto específico, que o sumarizador detém para entender e, portanto, abstrair ou generalizar as informações que ele lê no texto-fonte e b) o conhecimento prévio que ele possa ter, como experienciador nesse domínio. São relatadas, por exemplo, várias experiências no campo da psicolingüística, sobre o fato de sumários apresentarem informações que não necessariamente se encontram aparentes nos respectivos textos-fonte. Essa observação remete, muitas vezes, a evidências de que, ao contrário do que se espera normalmente, sumários são construídos de forma independente, ou até mesmo antes, de seus textos correspondentes, apresentando, inclusive, objetivos diversos dos mesmos (Mushakoji, 1993). Isto ocorre, por exemplo, quando se deseja submeter sumários de trabalhos científicos à aprovação de um comitê de programa de uma conferência internacional: na maioria das vezes, o artigo completo sequer foi idealizado, mas seu sumário já é produzido e enviado para avaliação. Caso o trabalho seja aceito para apresentação, constrói-se, então, o texto correspondente que, por sua vez, pode conter um sumário (abstract) muito diverso do primeiro, submetido para aceitação. Muito embora de caráter diverso, vale notar, entretanto, que esses sumários remetem ao mesmo texto-fonte, mesmo quando contêm informações diversas ou adicionais, em relação ao fonte. A razão atribuída para essa caracterização está no fato do que se denominou authoring summarizing, em oposição à sumarização profissional (Mushakoji and Nozoe, 1992). No primeiro caso, supõe-se que o escritor é o próprio autor do trabalho que está sendo relatado: por conhecer o assunto, ele recorre a informações variadas, em relação ao fonte; no segundo caso, o texto é enviado a um escritor independente, que não necessariamente domine sequer o assunto em foco, razão que o levaria a se limitar ao conteúdo aparente no texto-fonte correspondente. Essa distinção justifica o fato do 7
Page 1 and 2: INTRODUÇÃO À SUMARIZAÇÃO AUTOM
Page 3 and 4: 1. Introdução A sumarização, em
Page 5: Para índices em formato textual, o
Page 9 and 10: Não se pode afirmar que uma das ab
Page 11 and 12: Método das Palavras Sinalizadoras
Page 13 and 14: 4.2. A Sumarização Automática e
Page 15 and 16: verbo devem ser consideradas em con
Page 17 and 18: com o clima do Rio. "Estou tomando
Page 19 and 20: apresentados por outros autores (po
Page 21 and 22: livro(X) & autoria(X,”Júlio Vern
Page 23 and 24: pode ser caracterizado como uma sub
Page 25 and 26: Estrutura de discurso 1 Mensagemfon
Page 27 and 28: epresentação de entrada do realiz
Page 29 and 30: Nome da relação: CONCESSÃO Restr
Page 31 and 32: estruturação do discurso é basea
Page 33 and 34: Como exemplo da interação entre a
Page 35 and 36: automática de textos seja plenamen
Page 37 and 38: Luhn, H. P. (1958). The automatic c

INTRODUÇÃO À SUMARIZAÇÃO AUTOMÁTICA - ICMC - USP

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?