Algoritmo para la generacion automatica de resumenes de un documento HTML

Abstract

Desarrollo de un algoritmo para la Generacion Automatica de Resumenes de paginas web, que utiliza informacion de marcado presente en el codigo HTML. Se define una funcion para determinar la relevancia de un termino en el contenido de un documento y se propuso un metodo para identificar el idioma. Para la evaluacion de la calidad del algoritmo se aplican las metricas ROUGE-1, ROUGE-2, ROUGE-L y ROUGE-W y se comparan los resultados con los sistemas comerciales Copernic Summarizer, Pertinence Summarizer y Swensun, donde se obtienen resultados superiores en la metrica ROUGE-1, solo superado por el sistema Copernic Summarizer para el resto de las metricas.