1. El documento analiza el uso de resúmenes automáticos para reducir grandes cantidades de texto a información clave. 2. Estos resúmenes automáticos utilizan técnicas de procesamiento de lenguaje natural para identificar las oraciones más importantes de un documento. 3. El documento discute los desafíos actuales de los resúmenes automáticos y áreas de oportunidad para mejorar su precisión y calidad.

13. !

14. quot;

15. #

16. $

17. %

18. '
!

19. quot; #
$quot;

20. $

21. %

22. ('
!

23. %

24. quot; #
$quot;

25. ' $ $(

26. )*
+
#

27. ' $ $ ,

28. -.

29. +

30. $

31. %

32. '
/

33. )

35. $ (

37. 0

38. $

39. %

40. )'
/

41. 1

42. '

43. 1 %,

44. %2
+
2

46. 3!

47. 1

48. 1

49. quot; #
$quot;

50. 1

52. $

53. %

54. *'
quot; #
$quot;

55. 1

57. $

58. %

59. +'

60. 1

61. 1

62. 4
'5+

63. $

64. %

65. ,'

66. 1

67. 1

68. 4
'6+

69. $

70. %

71. '

72. 1

73. 1

74. 4
'7+

75. 1

76. $

77. %

78. -'

79. 1

80. 1

81. 4
'8+

82. 1

84. 3!

85. 0

86. $

87. %

88. '
1

89. 4 %

90. $

91. $

92. %

93. '
#

94. 1

95. $

96. %

97. ('
1

98. 1

99. 1

100. . quot;

101. /0
9

102. 4
(

103. 1

104. :
1 1

106. ,;23;4
2$

107. 0

108. 1 1
0

110. $
,$ 2

111. 1

113. $ !