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

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.