Resumen

La resumen de texto consiste en generar una versión condensada del documento original. Los principales problemas para la resumen de texto son eliminar la información redundante, identificar las diferencias importantes entre los documentos y recuperar el contenido informativo. Este artículo propone un Modelo de Grafo Semántico que explota la información semántica de la oración utilizando FSGM. FSGM trata las oraciones como vértices mientras que la relación semántica como los bordes. Utiliza FrameNet y el embedding de palabras para calcular la similitud de las oraciones. Este método asigna peso tanto a los nodos de las oraciones como a los bordes. Finalmente, propone un método mejorado para clasificar estas oraciones, considerando tanto la información interna como la externa. Los resultados experimentales muestran que la aplicabilidad del modelo para resumir texto es factible y efectiva.

• Materias:Difusión de información Inteligencia de enjambre Programación híbrida Modelo de programación Máquinas virtuales
• Subjects:Information dissemination Swarm intelligence Hybrid programming Programming model Virtual machines
• Palabras claves:Resumen de texto; Modelo de grafo semántico; FSGM; FrameNet; Incrustación de palabras; Clasificación de oraciones
• Keywords:Text summarization; Semantic graph model; FSGM; FrameNet; Word embedding; Sentence ranking