- Para leer rápidamente una gran cantidad de artículos, se desarrolló un "modelo que resume artículos desconocidos a primera vista"
→ El resumen y la traducción de documentos se implementan en Python usando modelos de deep learning accesibles mediante Open API
Video de la presentación en la Sociedad de Inteligencia Artificial Práctica (AAiCON) (resumen)
- En la etapa de skimming se usa el
abstract del artículo
- Consulta en Scopus
- Se usa la API de Wikipedia para encontrar, entre los sinónimos, las palabras más representativas
- Se genera un Knowledge Graph y se realiza Inverse Depth First Search para identificar tecnologías relacionadas
- Se extrae un conjunto de palabras significativas del resumen en lenguaje natural
- Resumen: selección de objetivo
- (1) Analizar en lenguaje natural y resumir en forma de oraciones
- Se seleccionan artículos de revistas destacadas publicados en los últimos 3 años y se ordenan según el Impact Factor
- Los resúmenes en inglés se condensan en oraciones cortas usando TLDRThis de RapidAPI, basado en Transformer
- Las oraciones resumidas se traducen automáticamente de inglés a coreano con Naver Papago
- (2) Extracción de oraciones clave basada en reglas
- Se usan expresiones como "we found that", "in this study", "we present that", "we provide"
- Estas oraciones clave también se traducen con Papago
- El contenido final se genera como un archivo Doc con KR/EN juntos
1 comentarios
Vaya, parece sumamente útil.
Gracias por la buena información. Voy a revisarlo.