INDEXAÇÃO E RESUMOS:

TEORIA E PRÁTICA
Indexação: teoria e métodos - noturno

Camila Rodrigues de Araujo nº USP 9799359

Jessica Oliveira Santos nº USP 8500318
João Vasques nº USP 9799321
Prof. Dra. Giovana Deliberali Maimone
Sobre o livro:
Título: Indexação e resumos: teoria e prática

Autor: Frederick Wilfrid Lancaster

Primeira edição: 1991

Trata da indexação de assuntos e redação de resumos.

“A indexação de assuntos e a redação de resumos são atividades intimamente

relacionadas, pois ambas implicam a preparação de uma representação do
conteúdo temático dos documentos.” (LANCASTER, 2004, p. 6)
Capítulos abordados:

❖ Capítulo 2: Princípios da indexação

❖ Capítulo 3: A prática da indexação

❖ Capítulo 15: Indexação automática, redação automática de resumos e

processos afins
Capítulo 2: Princípios da indexação
RESUMO INDEXAÇÃO

Resumidor: síntese do documento de Indexador: descreve o conteúdo com

forma clara e com boa qualidade. um ou vários termos de indexação
(vocabulário controlado).

Objetivo: indicar do que trata o documento e funcionar como pontos

de acesso para recuperação.
Capítulo 2: Princípios da indexação
Extensão do registro:
● uma das propriedades mais importantes de
uma representação de conteúdo temático;
● no resumo quanto mais informações
apresentadas, mais se revela se satisfaz ou
não a necessidade informacional;
● a indexação exaustiva proporciona uma
indicação melhor do assunto.

representação = recuperabilidade do item (pontos

de acesso)
Capítulo 2: Princípios da indexação
Etapas da indexação de assuntos:

1. Análise conceitual
2. Tradução

1. Análise conceitual decide de que trata/assunto do documento. Para Lancaster (2004, p.

15) “[...] identifica assuntos estudados ou representados num documento.”

3 perguntas:

● De que trata?
● Por que foi incorporado a nosso acervo?
● Quais de seus aspectos serão de interesse para nossos usuários?
Capítulo 2: Princípios da indexação
● “indexação centrada no usuário” (FIDEL, 1994 apud LANCASTER, 2004, p.
10)
● Métodos colaborativos de indexação.
● É preciso que os indexadores
saibam muito mais do que os
princípios da indexação. Devem,
em especial, estar inteiramente a
par dos interesses da comunidade
atendida e das necessidades de
informação de seus membros.”
(LANCASTER, 2004, p. 12)
Capítulo 2: Princípios da indexação
2. Tradução “[...] envolve a conversão da análise conceitual de um documento
num determinado conjunto de termos de indexação.” (LANCASTER, 2004, p. 18)

● Indexação por extração (derivada): palavras ou expressões selecionados do

documento.

● Indexação por atribuição: termos de outra fonte que não o documento,

podendo ser o vocabulário controlado.
 Capítulo 2: Princípios da indexação
Vocabulário controlado:

● Vocabulário controlados - lista de termos autorizados que serve para

controlar sinônimos, diferenciar homógrafos e agrupar termos afins.

● 3 tipos principais de vocabulários controlados: esquemas de classificação

bibliográfica, listas de cabeçalhos de assuntos e tesauros.
 Capítulo 2: Princípios da indexação
Especificidade do vocabulário:

● Tradução para os 3 tipos de vocabulários;

● Alcance e especificidade do vocabulário;
● Propriedades de combinação de termos.

Segundo Lancaster (2004, p. 22-23):

[...] o tipo de vocabulário controlado (esquemas de classificação, listas de cabeçalhos de assuntos,

tesauro) não é o fator mais importante a influir na etapa de tradução da indexação. Muito mais
importantes são o alcance (abrangência) e a especificidade do vocabulário. [...] É importante
considerar, em especial, as propriedades de combinações de termos de indexação mais do que as
propriedades de termos isolados.
Capítulo 3: A prática da indexação
Quase em nenhuma oportunidade, o a)
indexador conseguirá ler um texto ou b)
documento completamente. Indica-se a c)
leitura de trechos que têm maior d)
probabilidade de fornecer informações
importantes sobre o texto em menor tempo.
Lancaster cita esses trechos, assim como
dá uma lista presente em uma norma e)
internacional sobre indexação de assuntos
(Methods for examining documents) de f)
1985:
título;
resumo, se houver;
sumário;
introdução, as frases e parágrafos
de abertura de capítulos, e as
conclusões;
ilustrações, gráficos, tabelas e
respectivas legendas;
palavras ou grupos de palavras
que apareçam sublinhados ou
grafados com tipos diferentes.
 Capítulo 3: A prática da indexação
O autor frisa que esses pressupostos são
considerados para documentos que são
possíveis de se ler, a já citada Methods for
examining documents fala sobre diferentes
procedimentos para os outros tipos de
documentos, como os audiovisuais. Como
no caso dos documento impressos,
geralmente, o documento não é todo
analisado (neste caso, assistido ou
escutado), sendo a indexação feita a partir
do título e/ou da sinopse.
Usando como referência um texto de Browne
(2001), fala-se da particularidade em indexar
sites na web, para ter-se uma base e a
indexação ser possível, o profissional deve:
anotar o tipo de informação, a quantidade de
informação, a qualidade dos vínculos de
navegação, o tamanho dos arquivos e, por
fim; solicitar ao responsável informações
importantes dos arquivos, inclusive a
quantidade de autores que contribuem com a
página.
Capítulo 3: A prática da indexação
Exaustividade e exatidão da indexação: Figura que mostra o problema de uma indexação
exaustiva, em que o indexador quer incluir todos os
assuntos abordados no texto.
Existem dois fatores que influem diretamente na O correto seria uma indexação equilibrada (seletiva +
exaustiva), que busque identificar os termos mais
eficiência de um sistema de recuperação da relevantes para o usuário.
informação, ligados diretamente a indexação, são
eles: a política de indexação e a exatidão da
indexação. A principal decisão política diz a
respeito à exaustividade da indexação, o que é
relacionado ao número de termos atribuídos em
média. Não é recomendado que exista um limite
para esses termos mas, que se estabeleça uma
faixa de termos padrão.
 Capítulo 3: A prática da indexação
Princípio da especificidade: Incluir esses termos mais abrangentes
tornará a tarefa de diferenciar artigos mais
É o mais importante princípio da indexação de genéricos dos mais específicos mais difícil e
assuntos, remontando a Cutter. Este princípio demorada. Deve se entender que é possível
ter especificidade com a combinação de
defende que um tópico deve ser indexado sob o
termos, se nenhum termo sozinho possa
termo mais específico que o abranja
representar um tópico.
completamente e se torna muito comum
indexadores serem redundantes quando não o
seguem. Lancaster usa o exemplo de um artigo
sobre o cultivo de laranjas para exemplificar o
princípio, o mesmo seria indexado sob o termo
LARANJAS e não com um termo mais genérico
como FRUTAS ou FRUTAS CÍTRICAS.
 Capítulo 3: A prática da indexação

Outras diretrizes: 1. Inclua todos os tópicos

reconhecidamente de interesse
Nenhuma outra regra rigorosa, além do princípio para os usuários do serviço de
da especificidade foi desenvolvida para atribuição informação, que sejam tratados
dos termos. O único outro princípio formulado é substantivamente no documento
denominado de “indexação compulsória”, que é
2. Indexe cada um desses tópicos
basicamente uma reafirmação do princípio da
tão especificamente quanto o
especificidade. Apesar de teorias e axiomas
permita o vocabulário do sistema e
surgirem de vários autores, Lancaster analisa
o justifiquem as necessidades ou
que eles não são diretamente ligados a
interesses dos usuários.
indexação. Segundo ele, é possível identificar
apenas duas regras básicas; uma referente a
análise conceitual e outra a etapa de tradução:
 Capítulo 3: A prática da indexação
Índices pós-coordenados: Um sistema de recuperação da
informação que permite que uma busca
O conteúdo temático objeto de um combine os termos de qualquer maneira é
documento e os termos de indexação que lhe chamado de pós-coordenado. Um sistema
são atribuídos possuem caráter informatizado moderno, funciona em linha
multidimensional. Lancaster usa como e pode ser imaginado conceitualmente
exemplo um texto que trata da migração de como uma matriz.
mão-de-obra de Moçambique para as minas Sobre os índices pós-coordenados pode
da África do Sul. se afirmar:
 Capítulo 3: A prática da indexação

Índices pós-coordenados:

1. Os termos podem ser combinados entre si de qualquer forma no momento

em que se faz a busca.
2. Preserva-se a multidimensionalidade das relações entre os termos.
3. Todo termo atribuído a um documento tem peso igual - nenhum é mais
importante que o outro.
 Capítulo 15: Indexação automática, redação automática de
resumos e processos afins
Problemas de recuperação da informação:

● mensagem em diferentes formatos;

● necessidades de informação como pedidos formulados a um serviço de informação;
● serviço de informação que armazena as informações numa base de dados.

“As representações de textos podem ser o

próprio texto completo, partes dele ou outra
forma de representação construída [...] As
representações de pedidos serão termos,
apresentados em relações lógicas, enunciados
textuais ou ‘itens’ [...].” (LANCASTER, 2004, p.
284)
 Capítulo 15: Indexação automática, redação automática de
resumos e processos afins
“Os textos podem não ser representações perfeitas das mensagens [...] as representações
dos textos também podem ser imperfeitas. E por sinal, os pedidos raramente são
representações perfeitas das necessidades de informação [...]. ” (LANCASTER, 2004, p.
284)

Bates (1986 apud LANCASTER, 2004) a respeito do problema da recuperação da

informação foca na problemática da saída da atividade (necessidade de informação - pedido
- representação) em relação a entrada (mensagem - texto - representação).

Lancaster (2004) menciona a aplicação de computadores na indexação automática e

elaboração automática de resumos.
 Capítulo 15: Indexação automática, redação automática de
resumos e processos afins
Indexação por extração automática: Métodos para o critério de frequência:

Na indexação por extração, palavras ou ● seleção de palavras e expressões no

expressões que aparecem no texto são texto;
extraídas e utilizadas” (LANCASTER, 2004, p. ● seleção de radicais;
286) ● processamento da primeira e última
linha de cada parágrafo
Critérios de indexação por extração feita por (BAXENDALE, 1958);
humanos e computadores: ● frequência relativa combinada a
frequência absoluta.
● frequência;
● posição;
● contexto.
 Capítulo 15: Indexação automática, redação automática de
resumos e processos afins
Indexação por atribuição automática:

De acordo com Lancaster (2004, p. 289):

A extração automática apresenta nítida vantagem em relação à extração feita por seres
humanos: é totalmente coerente. No entanto, a maior parte da indexação feita por seres
humanos não constitui indexação por extração, mas indexação por atribuição, e a realização
desse trabalho por computador é, em geral, mais difícil.

Método para indexação por atribuição feita por computador:

● desenvolver um “perfil” de palavras e expressões para cada termo

Ex: termo “chuva ácida” chuva ácida, precipitação ácida, poluição atmosférico, etc.
 Capítulo 15: Indexação automática, redação automática de
resumos e processos afins
● Outras formas de classificação: ○ Método automático: de
classificação é baseado na
A indexação é uma forma de classificação na comparação (cotejar) da linguagem
qual há atribuição de “itens”, nela são criadas natural, resumos e/ou
classes de documentos ou classes de termos. representações documentais.
○ Eficácia das buscas: o método
O capítulo 15 trata principalmente da “indexação”
automático vem incorporando
e a “elaboração automática de resumos”.
processos automáticos.
○ Em sistemas “convencionais”: ○ Co-ocorrência: que é a relação
recuperação da informação é realizada entre termos explorada pelo
na forma de buscas auxiliadas por computador.
associações estabelecidas entre termos.
 Capítulo 15: Indexação automática, redação automática de
resumos e processos afins
Ex. de co-ocorrência: Quanto mais ○ O cálculo de associação:
frequentemente dois termos ocorrerem juntos
[...], mais provável será que tratem de É feito através da co-ocorrência relativa à
conteúdo temático similar [...] se o termo A frequência de ocorrência de cada termo.
nunca ocorre em B e o termo B nunca ocorre
A relacionalidade “R” de dois termos é definida
sem A [...] os dois termos são totalmente
pela equação
interdependentes e seriam completamente
intercambiáveis na busca. Além da associação
direta: (X e X tendem a ocorrer juntos).

○ Associações indiretas: termos podem

também ser derivados com base nos
dados de co-ocorrência. (LANCASTER,
2004, p. 294).
 Capítulo 15: Indexação automática, redação automática de
resumos e processos afins
○ Relacionalidade: os dados obtidos com a ➢ Estrela:
relacionalidade podem ser usados de
duas formas:
✓ Desenvolve-se e armazena-se uma rede
de associações entre dois termo; ➢ Fileira:
✓ Identificam-se e armazenam-se classes
separadas de termos com base em
associações extraídas da rede. ➢ Conglomerado:
Tipos de classes de termos:

➢ Facção: ➢ Tais classes derivam de um processo

estatístico;
Capítulo 15: Indexação automática, redação automática de
resumos e processos afins
● Outras formas de ligação:
○ Indexação semântica latente:
abordagem similar ao “agrupamento de
itens relacionados” é a “Indexação
semântica latente”, que se baseia no
processo de classificação relacionado com
a análise fatorial.
○ Acoplamento bibliográfico: Kessler
(1962-1965) fórmula que quanto mais
referências dois itens tiverem em comum,
mais forte será seu acoplamento.
○ Co-citação: um tipo de ligação que alguns
itens forma uma classe por serem citados
juntos. (quanto mais itens co-citarem, mais
fortemente estarão relacionados).
○ É importante ressaltar que as classes
formadas por co-citação sofrem mudanças
com o passar do tempo, pois novas
inter-relações entre pesquisas e resultados
são estabelecidos.
○ Esse método poderia descobrir itens úteis que
não seriam encontrados por meio
convencionais. Porém o método normal
consegue localizar itens que a ligação por
citação não conseguiria, os dois métodos são
complementares e não concorrentes.
 Capítulo 15: Indexação automática, redação automática de
resumos e processos afins
● Redação automática de resumos:
Os computadores podem ser programados para
selecionar termos de documentos seguindo
critérios de frequência, isso basicamente se
denomina como a “redação automática de
resumo ou elaboração automática de extratos”.
O criador desse método é Luhn (1958), e para
tanto adotou os seguintes procedimentos:
➢ Uma lista de palavras proibidas elimina do
processamento posterior todas as
palavras não-significativas.
➢ Contam-se as ocorrências de todas as
palavras restantes, que são ordenadas
segundo sua frequência de ocorrência
(podem ser usados radicais no lugar das
palavras).
➢ Todas as palavras que ocorram mais de x
vezes são definidas como palavras de “alta
frequência” ou significativas”.
➢ Localizam-se as frases que contenham
concentrações dessas palavras de alta
frequência, Consideram-se duas palavras
relacionadas dentro de uma frase se não
houver mais de quatro palavras
intermediárias.
Capítulo 15: Indexação automática, redação automática de
resumos e processos afins

➢ Calcula-se um “fator de significância” ✓ define-se o fator de significância da

para cada frase, da seguinte maneira: frase como o valor do aglomerado mais
✓ determina-se o número de alto ou como a soma dos valores de
“aglomerados” na frase (grupo de todos os aglomerados na frase.
palavras mais extenso, demarcado por
palavras significativas e estas não Exemplo:
estejam separadas por de 4 palavras
intermediárias);
✓ determina-se o número de palavras
significativas no aglomerado e se divide
o quadrado desse número pelo total de
palavras dentro do aglomerado;
Capítulo 15: Indexação automática, redação automática de
resumos e processos afins
○ De acordo com Luhn, as frases que ● Outros pesquisadores empregaram
tenham fatores de significância mais altos critérios alternativos para extratos
serão selecionadas na sequência em que automáticos:
ocorrem no texto, dando forma ao
“resumo”.
○ O resumo feito dessa forma pode parecer
● Ex. Edmundson (1959), identificou 4
confuso, pois tira frases de todas as
métodos possíveis:
partes do texto (começo, meio e fim).
✓ Método de chave
○ O importa é que as frases escolhidas
✓ Método da deixa
tenham o quadro exato do que o
✓ Método do título
documento está tratando.
✓ Método da Localização
○ Luhn (1959) e Oswald et al (1959),
utilizam a frequência de palavras ou
expressões para a seleção de frases.
 Capítulo 15: Indexação automática, redação automática de
resumos e processos afins
Já para Rush et al. (1971) qualquer método de ✓ Modificar frases extraídas;
extração deve ter critérios de rejeição e seleção ✓ “Remissão interfrasal” (frase testada para
de frases, levando em conta a relevância determinar seu significado, dependentes
contextual. das frases precedentes. se o significado
fosse dependente, as frases (max. 3)
● O seu método baseia-se no cotejo do
seriam incluídas no resumo, mesmo sem
texto com uma lista de Controle de
estar de acordo com os critérios de
palavras, que inclui uma lista de
aceitação;
expressões que levariam a seleção ou
✓ Capacidade de criar extratos com melhor
rejeição dos termos.
sequência lógica.
● Seu método oferecia vantagens em
relação a processos anteriores, pois tinha
a capacidade de:
 Capítulo 15: Indexação automática, redação automática de
resumos e processos afins
Mathis et al. (1973) fez modificações no método
de Rush, referentes às características de
modificação frasal e remissão interfrasal dos
processos anteriores, assim pretendia-se produzir
representações que sejam mais legíveis.
Earl (1973) fez experimentos para determinar se
as frases poderiam ou não ser significativas e
identificadas por meio de análise sintática. A
hipótese de Earl era que as frases que
contivessem certas estruturas sintáticas seriam
mais indicativas de conteúdo do que outras.
Paice (1981) descreveu processos de elaboração
automática de extratos baseados na identificação
de frases com probabilidade de serem bons
indicadores daquilo de que trata um documento.
(expressões como “o principal objetivo” ou
“descreve-se um método”).
Fum et al. (1982) descreveram um método de
elaboração automática de resumos no qual,
processos de análise sintática e ponderação
identificam as informações mais importantes
transmitidas num texto e eliminam elementos
não-essenciais e reestruturam o restante em um
resumo condensado e expressivo. (Processo não
viável com documento extensos)
Capítulo 15: Indexação automática, redação automática de
resumos e processos afins
Hahn e Reimer (1984) desenvolveram um método, inspirado no conceito de “sistema
especialista”, para condensação de textos, em que foi adotado uma base de
conhecimento de quadros que aplicavam à análise sintática de textos(métodos que
pode ser utilizados para criar condensação em vários níveis).

Quanto mais formais e coerentes forem os textos dos documentos, mais bem
sucedidos provavelmente serão os processos de elaboração de extratos.
 Capítulo 15: Indexação automática, redação automática de
resumos e processos afins
● Operações “automáticas” de
recuperação:
Processo que permitiria que um pedido
expresso em texto em linguagem natural fosse
cotejado com o texto dos documentos (texto
completo, texto parcial ou alguma forma de
apresentação), considera-se isso como uma
espécie de coincidência de padrões.
○ Escore: Atribui-se aos textos de base de
dados um tipo de escore, que reflete o
grau de coincidência de um texto com um
pedido, de modo que possam ser
apresentados em forma de saída ordena
○ Método simples de coincidência: Levar em
conta quantas palavras do pedido ocorrem
em um resumo.
○ São possíveis muitos refinamentos desse
nível rudimentar de estabelecimento de
coincidência.
○ A coincidência pode basear-se em radicais,
ao invés de palavras completas.
○ Mais precisa se tiver como base expressões
e não palavras simples.
○ Na posição intermediária entre palavras
simples e expressões está o emprego da
proximidade de palavras (capacidade de
atribuir pesos maiores a palavras que
apareçam perto uma da outra).
Capítulo 15: Indexação automática, redação automática de
resumos e processos afins
● diferentes critérios na atribuição de um
escore ao texto, a fim de refletir o grau em
que ele coincide com o texto de um
pedido.
● escore atribuído pode basear-se em mais
de um dos critérios.
● Portanto um sistema “automático” deve
incorporar diversos critérios possíveis
para o estabelecimento de coincidência, e
permitir ao usuário escolher um deles (ex.
sistema mais elaborado SMART de
Salton, elaborado por mais de 30 anos).
Salton (1989): os métodos de Salton
determinam essencialmente a similaridade
entre dois textos e expressam essa proximidade
como um escore numérico, uma “medida de
similaridade”, que será usada para ordenar a
saída.
Pode-se atribuir outras utilizações para essa
medida de similaridade dos textos (ex. medir
proximidade de textos de documentos,
permitindo formar classes de textos similares).
Esse escore pode estabelecer vínculos de
hipertexto em uma rede de informação.
 Capítulo 15: Indexação automática, redação automática de
resumos e processos afins
Savoy (1995) postula o estabelecimento de CITE: tem sido empregado como interface em
vínculos de hipertexto mediante aplicação de linguagem natural com bases de dados
métodos probabilísticos. Também sugere que MEDLINE e CATLINE da National Library of
os vínculos de hipertexto sejam usados para a Medicine.
obtenção automática de novos termos de
busca. Ele funciona em uma base de dados de
registros que possuem termos de indexação ou
Outros sistemas também foram criados para que envolva textos livres.
permitir ao usuário dar entrada a um pedido na
forma de enunciado textual (ex. CITE
desenvolvido por Doszkocs (1983)).
 Capítulo 15: Indexação automática, redação automática de
resumos e processos afins
Abordagens atuais:

A internet provocou tremendo aumento do interesse pelas técnicas de recuperação em geral

e pelos métodos automáticas em particular.” (LANCASTER, 2004, p. 310)

● Projeto TIPSTER: atividades de processamento automático de texto

Conferências:

● TRECS (Text Retrieval Conferences) - recuperação de texto;

● MUCS (Message Understanding Conferences) - compreensão de mensagens;
● DUCS (Document Understanding Conferences) - compreensão de documentos;
● Conferências sobre processamento de linguagem natural aplicada;
● Conferências internacionais sobre análise e reconhecimento de documentos.
 Capítulo 15: Indexação automática, redação automática de
resumos e processos afins
Mais de 30 anos as pesquisas sobre indexação com o auxílio de computador. O auxílio em
linha ocorre das seguintes formas: sugestão de termos aos indexadores; advertência para
erros; substituição de termos inaceitáveis por aceitáveis; interface com a base de dados.
(LANCASTER, 2004).

❖ Exemplos de sistemas de indexação com computador:

● DCMS (Data Creation and Maintenance System) - National Library of Medicine;

● CAIN - usado no AGREP (base de dados da Comunidades Européia sobre projetos
agrícolas), usa dois tesauros (AGRO-VOC e o CAB Thesauros);
● CASI (Center for AeroSpace Information) - NASA;
● SNOMED (Systematized Nomenclature of Human and Veterinary Medicine) - atribuição
automática de descritores clínicos dos textos de resumo de alta de pacientes;
 ● MedIndEx - sistema especializado da National Library of Medicine, baseado em quadros
[frame-bases];
● CAIT (Computer-Assisted Indexing Tutor) - sistema especializado da National Agricultural
Library.

❖ Sistemas descritos na literatura:

Jones e Bell (1992) - “[...] sistema projetado para extrair palavras ou expressões de textos, a
fim de formar entradas de índices [...] baseia-se em listas armazenadas: de palavras a serem
ignoradas, palavras/expressões/nomes de reconhecido interesse, e listas auxiliares para
desambiguação de homógrafos.” (LANCASTER, 2004, p. 313)

Driscoll et al (1991) - “O texto é processado em cotejo com uma lista de mais de 3000
expressões. A ocorrência de uma delas no texto aciona o uso de regras de inserção e
eliminação.” (LANCASTER, 2004, p. 313)

Plaunt e Norgard (1998) - uso do tesauro INSPEC com base na técnica de “colocação lexical”.
NLM (National Library of Medicine) desenvolve processos para atribuir automaticamente a
artigos de periódicos os cabeçalhos do Medical Subject Heading (MeSH):

● método de ligação com os termos do MeSH com expressões presentes nos títulos dos
artigos e nos resumos, utilizando o Unified Medical Language System;
● método de cotejo das palavras, do título e do resumo de um artigo ‘novo’ com as
palavras que ocorrem no título e no resumo de artigos já indexados, assim os termos
atribuídos coincidentes tornam-se candidatos para atribuição ao novo artigo.

Pérez-Carballo (2001) - “A indexação semântica latente (ISL) é um dos mais elaborados

esforços atuais visando a uma indexação automática de alta qualidade. Fundamenta-se em
agrupamentos de termos baseados em co-ocorrência e identificação de documentos
relativos a tais agrupamentos. Ao se apoiar em dados de co-ocorrência a ISL, também
consegue lidar com o problema da variedade de termos que expressam ideias
semelhantes.” (LANCASTER, 2004, p. 315-316)
❖ Redação de resumos assistida por computador:

Mudança do termo “redação automática de resumos” para “sumarização de textos”

De acordo com Lancaster (2004, p. 320):

“A sumarização automática ainda é uma questão de seleção de frases e o objetivo das pesquisas
nesta área consiste em otimizar essa seleção e organizar as frases selecionadas para melhorar a
clareza e utilidade do extrato.”

❖ Métodos descritos na literatura:

Hahn e Mani (2000) - modelo de ponderação linear, com localização no texto, número de
ocorrências na base de dados como um todo e expressões-deixa (cue phrases)

Salton et al (1997) - medição das semelhanças entre pares de parágrafos no mesmo documento

Nomoto e Matsumoto (2001) - ‘diversidade’ - identificação de tópicos abrangidos no texto e

seleção da frase mais representativa de cada tópico
Lehmam (1999) - seleção de frases que contenham a maior concentração de palavras ou
expressões

Mani (2001) avalia resumo automáticos em métodos intrínsecos e extrínsecos:

Método intrínseco: Método extrínseco:

Obrigado!
Referências:
LANCASTER, F. W. Indexação e resumos: teoria e prática. 2. ed. rev. atual.
Brasília, DF: Briquet de Lemos/Livros, 2004.