Generación automática de resúmenes extractivos de múltiples documentos basada en algoritmos ...

175 Pages·2016·2.6 MB·Spanish

Generación automática de
resúmenes extractivos de múltiples
documentos basada en algoritmos
meméticos

Martha Eliana Mendoza Becerra

Universidad Nacional de Colombia
Facultad de Ingeniería, Departamento de Ingeniería de Sistemas e Industrial
Bogotá D.C., Colombia
2015

Generación automática de
resúmenes extractivos de múltiples
documentos basada en algoritmos
meméticos

Martha Eliana Mendoza Becerra

Tesis de investigación presentada como requisito parcial para optar al título de:
Doctor en Ingeniería de Sistemas y Computación

Directora:
Ph.D. Elizabeth León Guzmán

Línea de Investigación:
Sistemas Inteligentes y Recuperación de la información
Grupo de Investigación:
MIDAS – Minería de datos

Universidad Nacional de Colombia
Facultad de Ingeniería, Departamento de Ingeniería de Sistemas e Industrial
Bogotá D.C., Colombia
2015

(Dedicada a)

Mi esposo Carlos Alberto por su amor,
comprensión, apoyo y ánimo en los
momentos difíciles.

Mi hija Laura Sofia por su amor y
ternura.

Agradecimientos

A la Dra. Elizabeth León por ofrecerme la oportunidad de realizar este trabajo bajo su
dirección, por su tiempo, soporte, ánimo y guía en el desarrollo de esta tesis doctoral.

A los profesores de la Universidad Nacional de Colombia –Dra. Jenny Sánchez y Dr. Luis
Fernando Niño–, y al profesor Alexander Gelbukh del Centro de Investigación en
Computo del Instituto Politécnico Nacional de México; por sus contribuciones, apoyo y
colaboración durante mi formación doctoral.

A los Decanos de Facultad de Ingeniería Electrónica y Telecomunicaciones de la
Universidad del Cauca –Mag. Rafael Rengifo Prado y Esp. Oscar Josué Calderón
Cortés–, a los Vicerrectores Académicos –Mag. Alvaro Nelson Hurtado Tejada y Mag.
Eduardo Rojas Pineda–, y a los rectores de la Universidad del Cauca –Mag. Danilo
Reinaldo Vivas Ramos y Mag. Juan Diego Castrillón Orrego–, por todo su apoyo y
colaboración.

A la Universidad Nacional de Colombia por ofrecerme los espacios y el conocimiento
durante el proceso de mi formación como investigadora a nivel doctoral en el programa
de Doctorado en Ingeniería de Sistemas y Computación.

A la Universidad del Cauca por apoyarme financieramente durante mi comisión de
estudios y por el apoyo en las demás actividades relacionadas con el desarrollo de este
programa doctoral.

Abstract y Resumen IX

Resumen
Recientemente los algoritmos basados en metaheurísticas han mostrado buenos
resultados para generar resúmenes automáticos comparados con otros métodos del
estado del arte, sin embargo, aunque los algoritmos meméticos han contribuido en la
resolución de diversos problemas de optimización combinatoria con excelentes
resultados, no han sido usados para resolver el problema de generación automática de
resúmenes. Esta tesis doctoral está enmarcada en el área de investigación de
generación automática de resúmenes de textos, y propone dos algoritmos meméticos
para generar automáticamente resúmenes extractivos, uno para un solo documento y
otro para múltiples documentos. Los algoritmos meméticos propuestos se componen de:
una función objetivo que busca que el resumen contenga las principales temáticas de los
documentos, esquemas de evolución a nivel de población (selección, cruce, mutación y
reemplazo de los agentes) buscando mantener un balance entre calidad y diversidad de
los agentes, y un algoritmo de búsqueda local que permite la explotación de la vecindad
de las soluciones generadas incluyendo conocimiento del problema. La experimentación
de los algoritmos se realiza sobre conjuntos de datos estándar, midiendo la calidad del
resumen generado (comparándolo con resúmenes de referencia) por medio de medidas
aceptadas por la comunidad científica. En la experimentación los algoritmos propuestos
se comparan con otros métodos del estado del arte, logrando que el algoritmo para un
documento ocupe el primer puesto y que el algoritmo para múltiples documentos se
ubique de segundo.

Palabras clave: Generación automática de resúmenes de un solo documento,
Generación automática de resúmenes de múltiples documentos, Algoritmos meméticos,
Búsqueda local guiada, Búsqueda local codiciosa.
Generación automática de resúmenes extractivos de múltiples documentos basada en
X
algoritmos meméticos

Abstract
Recently, algorithms based on metaheuristics have shown good results for generating
automatic summaries compared with other methods in published studies, however,
although the Memetic algorithms have contributed to solving a number of diverse,
combinatorial optimization problems, with excellent results. They have not been used for
solving the problem of automatic text summarization. This doctoral thesis falls within the
research area of automatic text summarization and proposes two memetic algorithms for
automatically generating extractive summaries - one for a single document and another
for multiple documents. The memetic algorithms proposed consist of an objective function
to ensure that the summary contains the main themes of the documents, an evolution
scheme at the population level (selection, crossover, mutation and replacement of
agents), seeking to maintain a balance between the quality and diversity of the agents,
and a local search algorithm that allows the exploitation of the vicinity of the generated
solutions, including knowledge of the problem. Testing of the algorithms is performed on
standard data sets, measuring the quality of the summary generated (compared to
reference summaries) through measures accepted by the scientific community. In the
testing, the proposed algorithms are compared to other published methods, with the
algorithm for a single document achieving first place and the algorithm for multiple
documents being placed second.

Keywords: Extractive single-document summarization, Extractive multi-document
summarization, Memetic algorithms, Guided local search, Greedy local search.