Sumarização automática de textos como ferramenta de representação e organização da informação

Abstract

RESUMO Estudo sobre a Organização da Informação e do Conhecimento. Trata da aplicação de ferramentas de Sumarização Automática de Textos no auxílio e desenvolvimento de atividades de representação temática da informação, em especial a Indexação. Apresenta os fundamentos teóricos-metodológicos referentes às áreas de Organização da Informação e do Conhecimento, Processamento Automático de Línguas Naturais e Sumarização Automática de Textos. Expõe as bases teóricas da organização e representação da informação e do conhecimento, com o intuito de compreender a evolução e aplicação dos instrumentos e ferramentas que auxiliam na representação temática do conhecimento notadamente os oriundos de outras áreas do saber humano, levando em consideração o caráter interdisciplinar do estudo. Entende que a Organização da Informação e do Conhecimento, passa por mudanças significativas em busca de adaptar-se frente as novas demandas e evoluções advindas do desenvolvimento das sociedades. Objetiva com o estudo conhecer o processo de sumarização automática de textos e as ferramentas disponíveis para a sua realização, assim como, perceber as contribuições da sumarização automática de textos para a representação temática, organização e recuperação da informação. Adota como procedimentos metodológicos de investigação a pesquisa bibliográfica e documental, com abordagem de natureza aplicada, qualitativa e exploratória; o corpus de análise é constituído por cinco artigos científicos sobre Covid-19. Utiliza como ferramenta de sumarização automática de texto o Turbine Text e o Intellex Summarize NE, e como instrumento de avaliação dos resumos resultantes do processo, um Modelo de Avaliação Subjetiva Intrínseca sugerida pela DUC (Document Understanding Conference). Apresenta como resultados indícios de viabilidade da sumarização automática como ferramenta de apoio no processamento de grandes volumes de informações textuais digitais. Revela também a necessidade de estudos e pesquisas na área de Biblioteconomia e Ciência da Informação sobre a abordagem teórica e aplicada de ferramentas baseadas em PLN; além do desenvolvimento de propostas metodológicas mais sólidas e a concepção de softwares específicos para a realização de tarefas de SA, que potencializem a organização da informação, em especial no ambiente web. ____ ABSTRACT Study on Information and Knowledge Organization. It deals with the application of Automatic Text Summarization tools in the assistance and development of activities of thematic representation of information, especially Indexation. It presents the theoretical methodological fundamentals concerning the areas of Information and Knowledge Organization, Automatic Natural Language Processing and Automatic Text Summarization. It exposes the theoretical foundations of the organization and representation of information and knowledge, in order to understand the evolution and application of instruments and tools that help in the thematic representation of knowledge, especially those from other areas of human knowledge, taking into account the interdisciplinary nature of the study. It understands that the Organization of Information and Knowledge, goes through significant changes in search of adapting itself to the new demands and evolutions coming from the development of societies. It aims with the study to know the process of automatic summarization of texts and the tools available for its realization, as well as to perceive the contributions of the automatic summarization of texts for the thematic representation, organization and recovery of information. It adopts as methodological procedures of investigation the bibliographical and documental research, with applied, qualitative and exploratory approach; the corpus of analysis consists of five scientific articles on Covid-19. It uses as an automatic text summarization tool the Turbine Text and the Intellex Sumar, and as an instrument of evaluation of the summaries resulting from the process, an Intrinsic Subjective Evaluation Model suggested by DUC (Document Understanding Conference). The results show signs of the feasibility of automatic summarization as a support tool in the processing of large volumes of digital textual information. It also reveals the need for studies and research in the area of Librarianship and Information Science on the theoretical and applied approach of tools based on PLN; in addition to the development of more solid methodological proposals and the design of specific software for the performance of SA tasks, which enhance the organization of information, especially in the web environment.