Generación automática de resúmenes y extracción de ideas principales en noticias web
[ES] Actualmente, el acceso a internet está al alcance de la mano de la mayor parte de la población, lo que facilita la publicación y consumo de información. Todos los días se publican una gran cantidad de noticias nuevas a un ritmo difícil de seguir. Es por ello que, para poder estar al día y selec...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2024 |
| País: | España |
| Institución: | Universitat Politècnica de València (UPV) |
| Repositorio: | RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia |
| Idioma: | español |
| OAI Identifier: | oai:riunet.upv.es:10251/210013 |
| Acceso en línea: | https://riunet.upv.es/handle/10251/210013 |
| Access Level: | acceso abierto |
| Palabra clave: | Inteligencia artificial Extracción de ideas principales Transformers Procesamiento de lenguaje natural Summarization Key ideas extraction Artificial intelligence Natural language processing Máster Universitario en Inteligencia Artificial, Reconocimiento de Formas e Imagen Digital-Màster Universitari en Intel·ligència Artificial, Reconeixement de Formes i Imatge Digital |
| Sumario: | [ES] Actualmente, el acceso a internet está al alcance de la mano de la mayor parte de la población, lo que facilita la publicación y consumo de información. Todos los días se publican una gran cantidad de noticias nuevas a un ritmo difícil de seguir. Es por ello que, para poder estar al día y seleccionar aquellas noticias que realmente son de interés de forma rápida, surge la utilidad de este trabajo. Su objetivo es la generación automática de los resúmenes de dichas noticias y la extracción de las ideas principales que contienen. Para ello, se utilizarán noticias reales como base de datos pertenecientes al campo de interés de la empresa colaboradora ForwardKeys, así como otras bases de datos externas para el entrenamiento de modelos. Estos datos se modelarán a partir de modelos preentrenados de las familias de Pegasus y T5, contando con un modelo de generación de resúmenes general y otro específico entrenado únicamente con texto de noticias. La evaluación de estos modelos se hará a través de la métrica ROUGE y sus variantes. |
|---|