Resumen
Con la desorbitada cantidad de contenidos que genera continuamente la sociedad tecnológica actual, a los que se tiene acceso de forma casi instantánea, una persona puede dedicar un tiempo excesivo a buscar y filtrar contenidos para realizar una tarea. Por ello, ser capaz de identificar, extraer y condensar automáticamente la información más relevante de cualquier documento es vital. En el Procesamiento del Lenguaje Natural (PLN), este problema se aborda en el campo de la generación automática de resúmenes o summarization.
Los avances en el diseño de arquitecturas de redes neuronales, sobre todo la arquitectura Transformers, han aumentado considerablemente las capacidades de los modelos lingüísticos. Estas mejoras han permitido a los modelos lingüísticos generar textos más coherentes. Por ello, en el campo del resumen automático, la comunidad científica ha empezado a crear modelos de resumen que adoptan una estrategia abstractiva. Con la estrategia abstractiva se obtienen resúmenes en los que el resumen se redacta identificando la información más relevante del documento y reinterpretando el texto del documento original para obtener un resumen lo más coherente, informativo y conciso posible. Por lo tanto, la estrategia de resumen abstractivo acerca los modelos a la forma en que los seres humanos resumen los contenidos.
Este trabajo profundiza en diferentes retos dentro de la estrategia abstractiva de resumen, centrando nuestros esfuerzos en el proceso de composición o redacción de resúmenes. La tesis pretende definir con más detalle qué caracteriza la percepción de abstractividad en los resúmenes y si existen grados de variación en dicha percepción, desde resúmenes extractivos completos hasta resúmenes puramente abstractos. También exploramos formas de determinar cuándo dos resúmenes son válidos para el mismo texto a pesar de tener una redacción y una estructura notablemente diferentes. Además, estudiamos las emociones que suscitan ciertas palabras en los resúmenes, cómo varían las emociones del documento al resumen y cómo influyen este aspecto en los modelos de resumen automático.
