ConceptRank : extractive summarization basede on graph conceptual centrality as salience

Abstract

Since the access to information is increasing everyday and we can easily acquire knowledge from many resources such as news websites, blogs and social networks, the capacity of processing all this amount of information becomes increasingly difficult. So, a way to deal with this situation is automatically extract the most important sentences, aiming to reduce the amount of text into a shorter version. We can explore this process while preserving the core information content by using a process called Automatic Text Summarization. This work presents a proposal to minimize problems related to the automatic summarization of texts, since some extractive techniques could not totally be prepared to handle with some issues, such as typos, synonyms and other orthographic variations, by evaluating sentences using "concepts" instead of words to represent the content of summaries.

Como o acesso à informação está aumentando todos os dias e podemos facilmente adquirir conhecimento de muita fontes, como sites de notícias, blogs e redes sociais, a capacidade de processar essa quantidade de informações torna-se cada vez mais difícil. Sendo assim, uma maneira de resolver esta situação é automaticamente extrair as sentenças mais importantes de um texto, visando reduzir a quantidade de conteúdo em uma versão mais curta. Podemos explorar esse processo, preservando o entendimento da informação, usando um processo chamado Sumarização Automática de Textos. Esta monografia apresenta uma proposta para minimizar os problemas relacionados a sumarização automática de textos, uma vez que algumas técnicas extrativas podem não estar totalmente preparadas para lidar com algumas questões, como erros de digitação, sinônimos e outras variações ortográficas, avaliando as frases usando "conceitos"em vez de palavras para representar o conteúdo dos resumos.