Análisis de la técnica de aprendizaje por refuerzo para la generación automática de resúmenes

Abstract

El Aprendizaje por refuerzo o Aprendizaje reforzado es un área del aprendizaje automático cuyo objetivo es determinar qué acciones debe escoger un agente de software en un entorno dado con el fin de maximizar alguna noción de "recompensa" o premio acumulado. Estas técnicas están cobrando cada vez más importancia en muchas tareas de la informática y la inteligencia artificial. Combinado con arquitecturas basadas en aprendizaje profundo (deep learning), ha surgido la nueva tendencia de deep reinforce learning que está siendo aplicado recientemente a tareas de generación automática de resúmenes. El trabajo que se propone en este TFM consiste en analizar técnicas de aprendizaje por refuerzo para integrarlas y aplicarlas en un método de generación de resúmenes de textos. El trabajo partirá de arquitecturas y frameworks disponibles y tratará de abordar algunas de las limitaciones existentes en la actualidad, para poder determinar la relevancia de la información que contiene un texto de una manera más precisa.