View Item 
  •   e_Buah Home
  • INVESTIGACIÓN
  • Tesis Doctorales UAH
  • Tesis Doctorales UAH
  • View Item
  • INVESTIGACIÓN
  • Tesis Doctorales UAH
  • Tesis Doctorales UAH
  • View Item
  • Biblioteca
    • English
    • español
JavaScript is disabled for your browser. Some features of this site may not work without it.

El aprendizaje semisupervisado como superación en precisión del aprendizaje supervisado en Desambiguación del Sentido de las Palabras

Show full item record
RefworksUtilizar EndNote Import
Authors
Sánchez de Madariaga, RicardoUniversity of Alcalá Author
Identifiers
Permanent link (URI): http://hdl.handle.net/10017/2632
Director
Fernández del Castillo Díez, José RaúlUniversity of Alcalá Author
Date
2008
Affiliation
Universidad de Alcalá. Departamento de Ciencias de la Computación
Keywords
Semántica-Proceso de datos
Procesado del lenguaje natural (Informática)
Lingüística computacional
Información|-Sistemas de almacenamiento y recuperación
Document type
info:eu-repo/semantics/doctoralThesis
Version
info:eu-repo/semantics/acceptedVersion
Access rights
info:eu-repo/semantics/openAccess
Share
 
Abstract
Se ha desarrollado un nuevo algoritmo de Desambiguación del Sentido de las Palabras (Word Sense Disambiguation) semisupervisado de autoarranque (bootstrapping) que alivia en gran medida el problema del Cuello de Botella de la Adquisición de Conocimiento (Knowledge Acquisition Bottleneck), que afecta de forma severa a los algoritmos supervisados actuales. Se demuestra que los algoritmos de Desambiguación del Sentido de las Palabras rinden una precisión mucho menor en corpus de texto general equilibrados (corpus reales) que en corpus de texto periodístico, debido a la naturaleza estereotipada y repetitiva de estos últimos. El algoritmo de autoarranque nuevo alcanza la precisión de los algoritmos supervisados en corpus reales, no periodísticos, y puede superarlos potencialmente debido al uso de una metodología de decisión binaria combinada con la propiedad un sentido por discurso (one-sense-per-discourse (OSPD) del lenguaje natural y a la mayor flexibilidad de los algoritmos de autoarranque (semisupervisados) que los supervisados, que les permite abordar mucho mejor que estos las fluctuaciones de dominio presentes en los corpus reales de texto general.
Files in this item
FilesSizeFormat
View
cabecera.pdf664.1KbPDF
índice y abstract.pdf1.119MbPDF
tesis_Ricardo_Sánchez.pdf2.408MbPDF
FilesSizeFormat
View
cabecera.pdf664.1KbPDF
índice y abstract.pdf1.119MbPDF
tesis_Ricardo_Sánchez.pdf2.408MbPDF
Collections
  • CCOMPUT - Tesis [51]
  • Tesis Doctorales UAH [1742]

Contact Us | Send Feedback | About DSpace
¡CSS Válido!@mire NV
¡CSS Válido!@mire NV
 

 

Browse

All of e_BuahCommunities y CollectionsIssue DateAuthorsTitlesSubjectsIn this CollectionIssue DateAuthorsTitlesSubjects

My Account

My e_BuahCreate account

Help

What is e-Buah?Guide e_BuahGuide autoarchiveFAQContact us

Statistics

View Usage Statistics

Information

Open Science. Open accessOpen access PolicyPublishing permissionsCopyrightResearch datae-cienciaDatos RepositoryPlan de Gestión de Datos

Los contenidos se difunden en


Contact Us | Send Feedback | About DSpace
¡CSS Válido!@mire NV
¡CSS Válido!@mire NV