A Genetic Clustering Algorithm for Automatic Text Summarization

Abstract. Automatic text summarization has become a relevant topic due to the information overload. This automatization aims to help humans and machines to deal with the vast amount of text data (structured and un-structured) offered on the web and deep web. In this research a novel approach for aut...

Full description

Autores:
Suaréz Benjumea, Sebastian
Tipo de recurso:
Fecha de publicación:
2016
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/57548
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/57548
http://bdigital.unal.edu.co/53848/
Palabra clave:
0 Generalidades / Computer science, information and general works
62 Ingeniería y operaciones afines / Engineering
Text mining
Genetic algorithm
Clustering algorithm
Automatic text summarization
Single document automatic text summarization
Rights
openAccess
License
Atribución-NoComercial 4.0 Internacional
id UNACIONAL2_fa99538d27ea6259dcf274c371ab0e1f
oai_identifier_str oai:repositorio.unal.edu.co:unal/57548
network_acronym_str UNACIONAL2
network_name_str Universidad Nacional de Colombia
repository_id_str
spelling Atribución-NoComercial 4.0 InternacionalDerechos reservados - Universidad Nacional de Colombiahttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2León Guzmán, ElizabethSuaréz Benjumea, Sebastianf776effe-d75c-4c2a-b8d6-728eead5020b3002019-07-02T12:57:32Z2019-07-02T12:57:32Z2016https://repositorio.unal.edu.co/handle/unal/57548http://bdigital.unal.edu.co/53848/Abstract. Automatic text summarization has become a relevant topic due to the information overload. This automatization aims to help humans and machines to deal with the vast amount of text data (structured and un-structured) offered on the web and deep web. In this research a novel approach for automatic extractive text summarization called SENCLUS is presented. Using a genetic clustering algorithm, SENCLUS clusters the sentences as close representation of the text topics using a fitness function based on redundancy and coverage, and applies a scoring function to select the most relevant sentences of each topic to be part of the extractive summary. The approach was validated using the DUC2002 data set and ROUGE summary quality measures. The results shows that the approach is representative against the state of the art methods for extractive automatic text summarization.La generación automática de resúmenes se ha posicionado como un tema de gran importancia debido a la sobrecarga informativa. El objetivo de esta tecnología es el ayudar humanos y maquinas a lidiar con el gran volumen de información en forma de texto (estructurada y no estructurada) que se encuentra en la red y en la red profunda. Esta investigación presenta un nuevo algoritmo para la generación automática de resúmenes extractivos llamado SENCLUS. Este algoritmo es capaz de detectar los temas presentes en un texto usando una técnica de agrupación genética para formar grupos de oraciones. Estos grupos de oraciones son una representación aproximada de los temas del texto y estos son formados usando una función aptitud basada en cobertura y redundancia. Una vez los grupos de oraciones son encontrados, se aplica una función puntuación para seleccionar las oraciones mas relevantes de cada tema hasta que las restricciones de longitud del resumen lo permitan. SENCLUS fue validado en una serie de experimentos en los cuales se usò el conjunto de datos DUC2002 para la generación de resúmenes de un solo documento y se usò la medida ROUGE para medir de forma automática la calidad de cada resumen. Los resultados mostraron que el enfoque propuesto es representativo al ser comparado con los algoritmos presentes en el estado del arte para la generación de resúmenes extractivos.Maestríaapplication/pdfspaUniversidad Nacional de Colombia Sede Bogotá Facultad de Ingeniería Departamento de Ingeniería de Sistemas e Industrial Ingeniería de SistemasIngeniería de SistemasSuaréz Benjumea, Sebastian (2016) A Genetic Clustering Algorithm for Automatic Text Summarization. Maestría thesis, Universidad Nacional de Colombia - Sede Bogotá.0 Generalidades / Computer science, information and general works62 Ingeniería y operaciones afines / EngineeringText miningGenetic algorithmClustering algorithmAutomatic text summarizationSingle document automatic text summarizationA Genetic Clustering Algorithm for Automatic Text SummarizationTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMORIGINALsebastiansuarezbenjumea.2015.pdfapplication/pdf640385https://repositorio.unal.edu.co/bitstream/unal/57548/1/sebastiansuarezbenjumea.2015.pdfd0cef1051bb586fefe19c09a2b815e55MD51THUMBNAILsebastiansuarezbenjumea.2015.pdf.jpgsebastiansuarezbenjumea.2015.pdf.jpgGenerated Thumbnailimage/jpeg4143https://repositorio.unal.edu.co/bitstream/unal/57548/2/sebastiansuarezbenjumea.2015.pdf.jpg6d60c2221e48ed08ea4285fe0b0210aeMD52unal/57548oai:repositorio.unal.edu.co:unal/575482024-03-28 23:08:10.795Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.co
dc.title.spa.fl_str_mv A Genetic Clustering Algorithm for Automatic Text Summarization
title A Genetic Clustering Algorithm for Automatic Text Summarization
spellingShingle A Genetic Clustering Algorithm for Automatic Text Summarization
0 Generalidades / Computer science, information and general works
62 Ingeniería y operaciones afines / Engineering
Text mining
Genetic algorithm
Clustering algorithm
Automatic text summarization
Single document automatic text summarization
title_short A Genetic Clustering Algorithm for Automatic Text Summarization
title_full A Genetic Clustering Algorithm for Automatic Text Summarization
title_fullStr A Genetic Clustering Algorithm for Automatic Text Summarization
title_full_unstemmed A Genetic Clustering Algorithm for Automatic Text Summarization
title_sort A Genetic Clustering Algorithm for Automatic Text Summarization
dc.creator.fl_str_mv Suaréz Benjumea, Sebastian
dc.contributor.author.spa.fl_str_mv Suaréz Benjumea, Sebastian
dc.contributor.spa.fl_str_mv León Guzmán, Elizabeth
dc.subject.ddc.spa.fl_str_mv 0 Generalidades / Computer science, information and general works
62 Ingeniería y operaciones afines / Engineering
topic 0 Generalidades / Computer science, information and general works
62 Ingeniería y operaciones afines / Engineering
Text mining
Genetic algorithm
Clustering algorithm
Automatic text summarization
Single document automatic text summarization
dc.subject.proposal.spa.fl_str_mv Text mining
Genetic algorithm
Clustering algorithm
Automatic text summarization
Single document automatic text summarization
description Abstract. Automatic text summarization has become a relevant topic due to the information overload. This automatization aims to help humans and machines to deal with the vast amount of text data (structured and un-structured) offered on the web and deep web. In this research a novel approach for automatic extractive text summarization called SENCLUS is presented. Using a genetic clustering algorithm, SENCLUS clusters the sentences as close representation of the text topics using a fitness function based on redundancy and coverage, and applies a scoring function to select the most relevant sentences of each topic to be part of the extractive summary. The approach was validated using the DUC2002 data set and ROUGE summary quality measures. The results shows that the approach is representative against the state of the art methods for extractive automatic text summarization.
publishDate 2016
dc.date.issued.spa.fl_str_mv 2016
dc.date.accessioned.spa.fl_str_mv 2019-07-02T12:57:32Z
dc.date.available.spa.fl_str_mv 2019-07-02T12:57:32Z
dc.type.spa.fl_str_mv Trabajo de grado - Maestría
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TM
status_str acceptedVersion
dc.identifier.uri.none.fl_str_mv https://repositorio.unal.edu.co/handle/unal/57548
dc.identifier.eprints.spa.fl_str_mv http://bdigital.unal.edu.co/53848/
url https://repositorio.unal.edu.co/handle/unal/57548
http://bdigital.unal.edu.co/53848/
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.ispartof.spa.fl_str_mv Universidad Nacional de Colombia Sede Bogotá Facultad de Ingeniería Departamento de Ingeniería de Sistemas e Industrial Ingeniería de Sistemas
Ingeniería de Sistemas
dc.relation.references.spa.fl_str_mv Suaréz Benjumea, Sebastian (2016) A Genetic Clustering Algorithm for Automatic Text Summarization. Maestría thesis, Universidad Nacional de Colombia - Sede Bogotá.
dc.rights.spa.fl_str_mv Derechos reservados - Universidad Nacional de Colombia
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.license.spa.fl_str_mv Atribución-NoComercial 4.0 Internacional
dc.rights.uri.spa.fl_str_mv http://creativecommons.org/licenses/by-nc/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv Atribución-NoComercial 4.0 Internacional
Derechos reservados - Universidad Nacional de Colombia
http://creativecommons.org/licenses/by-nc/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
institution Universidad Nacional de Colombia
bitstream.url.fl_str_mv https://repositorio.unal.edu.co/bitstream/unal/57548/1/sebastiansuarezbenjumea.2015.pdf
https://repositorio.unal.edu.co/bitstream/unal/57548/2/sebastiansuarezbenjumea.2015.pdf.jpg
bitstream.checksum.fl_str_mv d0cef1051bb586fefe19c09a2b815e55
6d60c2221e48ed08ea4285fe0b0210ae
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad Nacional de Colombia
repository.mail.fl_str_mv repositorio_nal@unal.edu.co
_version_ 1814089337588940800