Generación de resúmenes de texto en español

• Autores: Córdoba, Leonardo Ignacio
• Año de publicación: 2022
• Idioma: español castellano
• Tipo de recurso: tesis de maestría
• Colaborador/a o director/a de tesis: Lombardi, Leandro Ezequiel
• Materia: RESUMEN ABSTRACTO; PROCESAMIENTO DEL LENGUAJE NATURAL; GENERACION DE TEXTO; ABSTRACT SUMMARY; TEXT GENERATION; TRANSFORMERS; COMMON CRAWL
• Institución: Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales

En los últimos años han habido grandes avances en las tareas de generación de texto. Especialmente, el desarrollo y generalización de los modelos preentrenados permite el entrenamiento de modelos para tareas especializadas a bajo costo computacional. Por otro lado, el resumen abstracto de texto es una tarea para la cual son relativamente pocos los conjuntos de datos disponibles en español. Por este motivo, este trabajo se enfoca en el entrenamiento de modelos de aprendizaje automático para resumen en español y la construcción de conjuntos de datos apropiados para esta tarea. Como parte del mismo se disponibilizan 5 modelos entrenados a partir de arquitecturas basadas en Transformers y 2 conjuntos de datos obtenidos de Common Crawl. Además, se comparan métricas calculadas automáticamente con puntajes obtenidos mediante etiquetado manual.
In the last few years there has been several advances in text generation tasks. Especially, the development and generalization of pretrained models allows the training of models for specialized tasks -a.k.a. downstream tasks- at low computational cost. On the other hand, abstract text summarization is a task for which relatively few data sets are available in Spanish. For this reason, this work focuses on the training of machine learning models for summarization in Spanish and the construction of appropriate datasets for this task. As part of it, 5 models trained from architectures based on Transformers and 2 data sets obtained from Common Crawl are available. Additionally, automatically calculated metrics are compared to scores obtained through manual tagging.
Fil: Córdoba, Leonardo Ignacio. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.