Subtopic Annotation in a Corpus of News Texts: Steps Towards Automatic Subtopic Segmentation
Paula Christina Figueira Cardoso, Maite Taboada, Thiago Alexandre Salgueiro Pardo · 2013
Abstract. Subtopic segmentation aims at finding the boundaries among text passages that represent different subtopics, which usually develop a main topic in a text. Being capable of automatically detecting subtopics is very useful for several Natural Language Processing applications. This paper describes subtopic annotation in a corpus of news texts written in Brazilian Portuguese. In particular, we focus on answering the main scientific questions regarding corpus annotation, aiming at both discussing and dealing with important annotation decisions and making available a reference corpus for research on subtopic structuring and segmentation. Resumo. Segmentação topical visa segmentar um texto em passagens que representam subtópicos diferentes, os quais desenvolvem um tópico principal de um texto. A identificação de subtópicos é útil para diversas aplicações de Processamento de Linguagem Natural. Este artigo descreve a anotação de subtópicos em um córpus de textos jornalísticos em Português do Brasil. Em particular, foca-se em responder as questões cientificas a respeito da anotação do córpus, visando discutir e lidar com questões importantes de anotação e disponibilização de um córpus de referência para pesquisas sobre estruturação e segmentação topical. 1.