Text Summarization

El resumen automático de textos es una tarea del procesamiento del lenguaje natural (NLP) que condensa un documento en un texto más breve que conserva su información más importante. Los dos enfoques principales son el resumen extractivo, que selecciona las frases más importantes de la fuente, y el abstractivo, que redacta frases nuevas como lo haría una persona. Un resumen puede abarcar uno o varios documentos y ser genérico o centrarse en una pregunta, como «¿Qué decía el contrato sobre la rescisión?». Los clientes de correo electrónico, las herramientas para reuniones, las aplicaciones de noticias, los motores de búsqueda y los asistentes basados en modelos de lenguaje de gran tamaño (LLM) generan resúmenes.

Resumen extractivo#

Hans Peter Luhn, de IBM, creó en 1958 uno de los primeros sistemas de resumen automático: puntuaba cada frase según las palabras frecuentes y significativas que contenía, y devolvía las frases mejor puntuadas como resumen. H. P. Edmundson añadió palabras clave, palabras del título y la posición de las frases en 1969; en 2004 llegaron los métodos basados en grafos. TextRank y LexRank construyen un grafo cuyos nodos son frases y cuyas aristas representan similitudes; después seleccionan las frases más centrales, es decir, las más parecidas al resto del documento. Con las incrustaciones de frases, la versión basada en centralidad se implementa en unas pocas líneas:

from sentence_transformers import SentenceTransformer

sentences = [
    "The James Webb Space Telescope launched on 25 December 2021 on an Ariane 5 rocket from French Guiana.",
    "Webb observes the universe in infrared light, which passes through the dust that hides young stars.",
    "Its 6.5-meter primary mirror is built from 18 gold-coated hexagonal segments.",
    "A five-layer sunshield the size of a tennis court keeps the mirror and instruments cold.",
    "The telescope orbits the Sun about 1.5 million kilometers from Earth, near the second Lagrange point.",
    "NASA published the first full-color science images from Webb in July 2022.",
]
model = SentenceTransformer("sentence-transformers/all-MiniLM-L6-v2")

# Puntúa cada frase según su similitud media con todas las demás (su centralidad)
embeddings = model.encode(sentences)
centrality = model.similarity(embeddings, embeddings).mean(dim=1)

# Conserva las dos frases más centrales en el orden original
top = sorted(centrality.argsort(descending=True)[:2].tolist())
print(" ".join(sentences[i] for i in top))

El resumen conserva la frase sobre el lanzamiento y la frase sobre la órbita. Todas las palabras de un resumen extractivo proceden de la fuente, por lo que el resumen no puede afirmar nada que el documento no diga; además, conserva todo lo que incluyan las frases seleccionadas, incluso detalles que quizá no hagan falta y pronombres como «Su», que abre la frase sobre el espejo y remite a una frase que se ha omitido.

Resumen abstractivo#

Los modelos abstractivos son modelos de secuencia a secuencia: un codificador lee el documento y un decodificador redacta el resumen token a token. Alexander Rush y sus colegas entrenaron uno con un mecanismo de atención para redactar titulares de noticias en 2015; la red de generación con puntero de Abigail See y sus colegas (2017) permitía al decodificador copiar directamente de la fuente palabras como nombres y números, y lo penalizaba por repetirse. Los transformers preentrenados mejoraron mucho la calidad: BART, de Facebook (2019), aprendió reconstruyendo texto corrupto, y PEGASUS, de Google (2020), aprendió regenerando frases completas eliminadas de un documento, una tarea de preentrenamiento autosupervisado muy próxima al propio resumen.

Los LLM resumen a partir de una instrucción y pueden seguir indicaciones sobre la longitud, el público y el formato. Si un documento supera la ventana de contexto, se divide en fragmentos, se resume cada uno y se combinan los resúmenes parciales en una segunda pasada; este patrón se denomina map-reduce. El resumen también va más allá del texto: los modelos de comprensión de vídeo describen los acontecimientos de un clip y el subtitulado de imágenes condensa una imagen en una frase. En Ultralytics Platform Agents, un bloque LLM puede condensar una imagen y las detecciones YOLO26 anteriores en un breve resumen escrito, y un bloque Slack conectado publica ese resumen en un canal mediante su marcador de posición {output}.

Conjuntos de datos y evaluación#

La mayoría de los modelos aprenden a partir de datos de entrenamiento formados por pares de artículos y resúmenes: CNN/Daily Mail empareja noticias con destacados en viñetas, y XSum (2018) empareja artículos de BBC con resúmenes de una sola frase que rara vez reutilizan frases completas, lo que favorece la abstracción. ROUGE, presentado por Chin-Yew Lin en 2004, puntúa un resumen según las palabras y secuencias de palabras que comparte con resúmenes de referencia escritos por personas; ROUGE-1 cuenta palabras individuales, ROUGE-2 pares de palabras y ROUGE-L la subsecuencia común más larga. Las puntuaciones de solapamiento no detectan errores de hecho, y Joshua Maynez y sus colegas descubrieron en 2020 que los evaluadores humanos detectaban una cantidad considerable de contenido alucinado en los resúmenes de todos los modelos abstractivos estudiados en XSum. También descubrieron que las métricas de implicación textual, que comprueban si la fuente implica el resumen, miden mejor la fidelidad que ROUGE y otras métricas estándar.

Resumen frente a términos relacionados#

• Generación de texto: Produce cualquier texto a partir de una instrucción. El resumen es una generación de texto limitada al contenido de un documento fuente.
• Traducción automática: Utiliza la misma arquitectura de codificador-decodificador para trasladar todo el contenido de un texto a otro idioma.
• Análisis de sentimiento: Clasifica la opinión expresada en un texto, y el resumen de opiniones combina ambas tareas al condensar numerosas reseñas en sus principales elogios y quejas.
• Generación aumentada por recuperación (RAG): Recupera pasajes pertinentes para una pregunta y genera una respuesta a partir de ellos, por lo que es una forma de resumen de varios documentos centrado en una consulta.