CAPIVARA: uma ferramenta para adaptação de conteúdo web aplicando a escada da abstração

Abstract

Este trabalho aborda o desafio da sobrecarga de informação na web, onde o volume massivo de dados heterogêneos dificulta a compreensão dos usuários. Propõe-se o desenvolvimento da ferramenta Capivara, uma extensão de navegador que materializa o conceito da "Escada da Abstração" para permitir uma navegação fluida entre múltiplos níveis de detalhamento textual. A metodologia adota uma abordagem híbrida que combina segmentação estrutural determinística, utilizando a biblioteca Readability.js, com o processamento via Grandes Modelos de Linguagem (LLMs) para gerar resumos em diferentes níveis. O sistema adapta o conteúdo preservando a sua estrutura e layout na página. A avaliação, realizada com 498 páginas do dataset RecognaSumm, o maior dataset de textos jornalísticos para sumarização em língua portuguesa, utilizou métricas léxicas (ROUGE) e semânticas (alBERTina), demonstrando taxas de compressão de até 53,21% com alta fidelidade ao sentido original. Conclui-se que a estruturação prévia do HTML (Linguagem de Marcação de Hipertexto) otimiza a performance dos modelos generativos, resultando em uma adaptação mais rápida e precisa.