Sumarização do contexto social

Estudamos um novo problema de sumarização do contexto social para documentos na Web. A pesquisa tradicional de sumarização tem se concentrado em extrair sentenças informativas de documentos padrão. Com o rápido crescimento das redes sociais online, há um conteúdo gerado pelo usuário abundante (por exemplo, comentários) associado aos documentos padrão. Quais partes de um documento realmente interessam aos usuários sociais? Como podemos gerar resumos para documentos padrão considerando tanto a informatividade das sentenças quanto os interesses dos usuários sociais? Este artigo explora tal abordagem modelando documentos da Web e contextos sociais em um quadro unificado. Propomos um modelo de grafo de fatores de dupla asa (DWFG), que utiliza o reforço mútuo entre documentos da Web e seus contextos sociais associados para gerar resumos. Um algoritmo eficiente é projetado para aprender o modelo de grafo de fatores proposto. Resultados experimentais em um conjunto de dados do Twitter validam a eficácia do modelo proposto. Ao aproveitar a informação do contexto social, nossa abordagem obtém uma melhora significativa (em média +5,0% a 17,3%) em relação a vários métodos alternativos (CRF, SVM, LR, PR e DocLead) no desempenho da sumarização.