An investigation of linguistic problems in automatic multi-document summaries

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.creatorDias, Márcio de Souza-
Autor(es): dc.creatorDi Felippo, Ariani-
Autor(es): dc.creatorRassi, Amanda Pontes-
Autor(es): dc.creatorCardoso, Paula Christina Figueira-
Autor(es): dc.creatorNóbrega, Fernando Antônio Asevedo-
Autor(es): dc.creatorPardo, Thiago Alexandre Salgueiro-
Data de aceite: dc.date.accessioned2026-02-09T12:36:03Z-
Data de disponibilização: dc.date.available2026-02-09T12:36:03Z-
Data de envio: dc.date.issued2022-06-27-
Data de envio: dc.date.issued2022-06-27-
Data de envio: dc.date.issued2020-
Fonte completa do material: dc.identifierhttps://repositorio.ufla.br/handle/1/50347-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1164552-
Descrição: dc.descriptionAutomatic summaries commonly present diverse linguistic problems that affect textual quality and thus their understanding by users. Few studies have tried to characterize such problems and their relation with the performance of the summarization systems. In this paper, we investigated the problems in multi-document extracts (i.e., summaries produced by concatenating several sentences taken exactly as they appear in the source texts) generated by systems for Brazilian Portuguese that have different approaches (i.e., superficial and deep) and performances (i.e., baseline and state-of-the art methods). For that, we first reviewed the main characterization studies, resulting in a typology of linguistic problems more suitable for multi-document summarization. Then, we manually annotated a corpus of automatic multi-document extracts in Portuguese based on the typology, which showed that some of linguistic problems are significantly more recurrent than others. Thus, this corpus annotation may support research on linguistic problems detection and correction for summary improvement, allowing the production of automatic summaries that are not only informative (i.e., they convey the content of the source material), but also linguistically well structured.-
Descrição: dc.descriptionSumários automáticos geralmente apresentam vários problemas linguísticos que afetam a sua qualidade textual e, consequentemente, sua compreensão pelos usuários. Alguns trabalhos caracterizam tais problemas e os relacionam ao desempenho dos sistemas de sumarização. Neste artigo, investigaram-se os problemas em extratos (isto é, sumários produzidos pela concatenação de sentenças extraídas na íntegra dos textos-fonte) multidocumento em Português do Brasil gerados por sistemas que apresentam diferentes abordagens (isto é, superficial e profunda) e desempenho (isto é, métodos baseline e do estado-da-arte). Para tanto, as principais caracterizações dos problemas linguísticos em sumários automáticos foram investigadas, resultando em uma tipologia mais adequada à sumarização multidocumento. Em seguida, anotou-se manualmente um corpus de extratos com base na tipologia, evidenciando que alguns tipos de problemas são significativamente mais recorrentes que outros. Assim, essa anotação gera subsídios para as tarefas automáticas de detecção e correção de problemas linguísticos com vistas à produção de sumários automáticos não só mais informativos (isto é, que cobrem o conteúdo do material de origem), como também linguisticamente bem-estruturados.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languageen-
Publicador: dc.publisherUniversidade Federal de Minas Gerais (UFMG), Faculdade de Letras (FALE)-
Direitos: dc.rightsAttribution 4.0 International-
Direitos: dc.rightsAttribution 4.0 International-
Direitos: dc.rightsacesso aberto-
Direitos: dc.rightshttp://creativecommons.org/licenses/by/4.0/-
Direitos: dc.rightshttp://creativecommons.org/licenses/by/4.0/-
???dc.source???: dc.sourceRevista de Estudos da Linguagem-
Palavras-chave: dc.subjectAutomatic summarization-
Palavras-chave: dc.subjectMulti-document summary-
Palavras-chave: dc.subjectLinguistic problem-
Palavras-chave: dc.subjectCorpus annotation-
Palavras-chave: dc.subjectSumarização automática-
Palavras-chave: dc.subjectSumário multidocumento-
Palavras-chave: dc.subjectProblema linguístico-
Palavras-chave: dc.subjectAnotação de corpus-
Título: dc.titleAn investigation of linguistic problems in automatic multi-document summaries-
Título: dc.titleUma investigação de problemas linguísticos em sumários automáticos multidocumento-
Tipo de arquivo: dc.typeArtigo-
Aparece nas coleções:Repositório Institucional da Universidade Federal de Lavras (RIUFLA)

Não existem arquivos associados a este item.